如何解决如何在 numpy 中使用不同的迭代长度进行嵌套迭代?
我的任务是编写一个内核,它遍历每个像素并执行一些操作。 当内核为 3x3 大小时,这是可行的。 到目前为止,我想出了这样的事情:
def multAndAcc(array,kernel=np.array([[0,-1,0],[-1,4,-1],[0,0]])):
new = np.zeros_like(array)
array = np.pad(array,((1,1),(1,1)),'constant',constant_values=(0,0))
new[:,:] = array[0:-2,0:-2] * kernel[0,0] + array[1:-1,1] + array[2:,0:-2] * \
kernel[0,2] + \
array[0:-2,1:-1] * kernel[1,1:-1] * \
kernel[1,2:] * kernel[2,2:] * kernel[
2,2]
return new
但是我可以看出这对于更大的内核会有什么问题。我tbh。我不喜欢它的样子^^' 我可以做同样的操作,但通过使用 numpy 迭代内核中的值吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。