python - 通过平均多个单元格来简化矩阵

Question

我有一个大的 2D numpy 矩阵需要变小(例如:从 100x100 转换为 10x10)。

我的目标基本上是:将 nxn 矩阵分解成更小的 mxm 矩阵，对这些 mxm 切片中的单元格进行平均，然后构造一个这些 mxm 切片中的新(较小)矩阵。

我正在考虑使用类似 matrix[a::b, c::d] 的方法来提取较小的矩阵，然后对这些值进行平均，但这似乎过于复杂。有没有更好的方法来实现这一点？

Answer 1

你可以用 view_as_blocks 把你的数组分成 block 函数(在 scikit-image 中)。

对于 2D 数组，这将返回一个 4D 数组，其中 block 按行排序:

>>> import skimage.util as ski
>>> import numpy as np
>>> a = np.arange(16).reshape(4,4) # 4x4 array
>>> ski.view_as_blocks(a, (2,2))
array([[[[ 0,  1],
         [ 4,  5]],

        [[ 2,  3],
         [ 6,  7]]],


       [[[ 8,  9],
         [12, 13]],

        [[10, 11],
         [14, 15]]]])

沿最后两个轴取平均值返回一个二维数组，其中每个 block 均值为:

>>> ski.view_as_blocks(a, (2,2)).mean(axis=(2,3))
array([[  2.5,   4.5],
       [ 10.5,  12.5]])

注意:view_as_blocks 通过修改步幅返回数组的 View (它也适用于二维以上的数组)。它纯粹是在 NumPy 中使用 as_strided 实现的，因此如果您无法访问 scikit-image 库，您可以 copy the code from here .