迭代所有组合

如何解决迭代所有组合

我正在执行一个操作，我对两个图像进行平均，一个图像是固定的，第二个图像是我迭代的，我如何对所有组合执行相同的操作？喜欢

mean(img1,img1),mean(img1,img2),img3) ... mean(img2,mean(img2,img3) ... mean(img3,mean(img3,img2)mean(img3,img3)


k=[]

for i in range(image.shape[-1]):
    k = (np.mean(image[:,:,102],img[:,i]))
    result.append(k)

谢谢！

解决方法

您可以按如下顺序进行：

import numpy as np
from itertools import combinations

n_images = 4
imsz = 2
images = np.random.normal(size=(n_images,imsz,imsz))

image_combinations = combinations(range(images.shape[0]),2)
means = []
for combo in image_combinations:
    #print(combo)
    means.append( (images[combo[0],:,:] + images[combo[1],:]) /2)
means = np.array(means)
means.shape

现在，根据图像的数量和大小，开销可能相对较大，但我找不到真正矢量化操作的方法（这将是一个重大改进）。事实上，你可以做一些事情，比如你做所有组合（包括它本身和双向（1,2），（2,1））然后，你去这个矩阵中获取那些你想要。

all_means = (images[:,np.newaxis,:] + images[np.newaxis,:]) /2

image_combinations = combinations(range(images.shape[0]),2)
relevant_means = []
for combo in image_combinations:
    relevant_means.append(all_means[combo[0],combo[1],:])
relevant_means = np.array(relevant_means)

对于 10 个 2x2 图像，第二种解决方案的时钟速度似乎快了 2 倍以上。但是，内存占用也增加了 2 倍多，所以没有免费餐。

我希望这会有所帮助。

,

这里有一种方法可以从数组 'image' 中每两个图像的所有组合中获取均值。其中'means'的切片[:,i,j]是图像i和图像j的平均值。

import numpy as np

image = np.random.randint(0,5,(2,2,3))

means = (image[:,None,:] + image[:,None])/2

输出：

image = 
[[[3 1 3]
  [3 4 4]]

 [[2 2 1]
  [0 3 0]]]

means = 
[[[[3.  2.  3. ]
   [2.  1.  2. ]
   [3.  2.  3. ]]

  [[3.  3.5 3.5]
   [3.5 4.  4. ]
   [3.5 4.  4. ]]]


 [[[2.  2.  1.5]
   [2.  2.  1.5]
   [1.5 1.5 1. ]]

  [[0.  1.5 0. ]
   [1.5 3.  1.5]
   [0.  1.5 0. ]]]]