Numpy 选择跳棋模式到新数组

如何解决Numpy 选择跳棋模式到新数组

我有一个奇数行和列数的方形二维矩阵。例如

11 12 13 14 15
21 22 23 24 25
31 32 33 34 35
41 42 43 44 45
51 52 53 54 55

我需要将它顺时针旋转 45 度并选择最大方阵。在这种情况下：

13 24 35
22 33 44
31 42 53

我可以在两个周期内完成：

new_arr = np.zeros(((orig_range+1)//2,(orig_range+1)//2)
for new_h in range((orig_range+1)//2):
    for new_w in range((orig_range+1)//2):
        old_h = new_h + new_w
        old_w = ((orig_range+1)//2) - new_h + new_w  
        new_arr[new_h,new_w] = orig_arr[old_h,old_w]

但是这种方法很慢。 cv2 中的旋转相当快，但“像素”没有很好地对齐。由于舍入误差，使用 sqrt(2) 缩放的正向旋转然后使用 sqrt(2) 缩放的反向旋转会导致图像中心区域的像素颜色发生变化。

旋转这种矩阵的有效方法是什么？

解决方法

您可以使用 Numba 的 JIT 显着加快操作速度，尤其是通过并行和本机运行。此外，请注意数组不需要填充零。这是一个未经测试的示例：

import numba as nb

@nb.njit(parallel=True)
def compute(orig_range,orig_arr):
    new_arr = np.empty(((orig_range+1)//2,(orig_range+1)//2)
    for new_h in nb.prange((orig_range+1)//2):
        for new_w in range((orig_range+1)//2):
            old_h = new_h + new_w
            old_w = ((orig_range+1)//2) - new_h + new_w  
            new_arr[new_h,new_w] = orig_arr[old_h,old_w]
    return new_arr

您可以指定输入类型以提前编译函数，从而避免第一次调用明显变慢。在缓存中的数组拟合上，此操作应该非常快。对于大数组，可以使用平铺和不同的读/写顺序来加快操作速度。