Numpy中包括边缘的二维移动窗口

在本文中，我们将介绍如何使用Numpy在二维数组中实现一个移动窗口，并包括边缘数据。移动窗口可以用于多种模式识别任务，而在Numpy中实现这个功能也相对简单。

首先我们需要定义移动窗口的大小以及移动的步长。假设我们的移动窗口大小为3×3，步长为1。我们可以通过使用Numpy中的数组切片来获得一个二维数组的移动窗口。

import numpy as np

# 定义一个4x4的二维数组
arr = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12], [13,14,15,16]])

# 获取一个移动窗口，大小为3x3，步长为1
windows = np.lib.stride_tricks.sliding_window_view(
    arr, window_shape=(3, 3), step=(1, 1)
)

# 打印移动窗口
for row in windows:
    for window in row:
        print(window)

上述代码可以获得一个4×4的二维数组，并使用sliding_window_view函数获得一个移动窗口，大小为3×3，步长为1的二维数组。接着，我们可以使用两个嵌套的for循环，分别对行和列遍历每个移动窗口。对于上述代码，输出如下：

[[ 1  2  3]
 [ 5  6  7]
 [ 9 10 11]]
[[ 2  3  4]
 [ 6  7  8]
 [10 11 12]]
[[ 5  6  7]
 [ 9 10 11]
 [13 14 15]]
[[ 6  7  8]
 [10 11 12]
 [14 15 16]]

如上所示，输出了每个移动窗口中包含的元素。请注意，在这个例子中，边缘的窗口只包含了原始数组中的一部分。但是，对于某些任务，我们需要在窗口边缘包含所有数据，以获得准确的结果。

我们可以使用numpy.pad函数对原始数组进行填充，以包含边缘数据。numpy.pad函数接受三个参数：原始数组、填充的宽度以及填充的模式。填充的模式有四种：constant、edge、linear_ramp和maximum. constant模式会在数组的边缘填充一个固定值，edge模式会复制边缘的元素，linear_ramp模式会在填充的区域中进行线性填充，而maximum模式会在填充的区域中填充该区域中最大的值。

import numpy as np

# 定义一个4x4的二维数组
arr = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12], [13,14,15,16]])

# 定义一个填充宽度为1的常量值填充模式
pad_mode = "constant"
pad_width = 1

# 对原始数组进行填充以包含边缘数据
pad_arr = np.pad(arr, pad_width, mode=pad_mode)

# 获取一个移动窗口，大小为3x3，步长为1
windows = np.lib.stride_tricks.sliding_window_view(
    pad_arr, window_shape=(3, 3), step=(1, 1)
)

# 打印移动窗口
for row in windows:
    for window in row:
        print(window)

上述代码使用constant模式在原始数组的边缘填充了一个宽度为1的常量。然后使用sliding_window_view函数获取移动窗口。对于上述代码，输出如下：

[[ 1  1  2]
 [ 1  1  2]
 [ 5  6  7]]
[[ 1  2  3]
 [ 1  2  3]
 [ 5  6  7]]
[[ 2  3  4]
 [ 2  3  4]
 [ 6  7  8]]
[[ 1  2  3]
 [ 1  2  3]
 [ 9 10 11]]
[[ 2  3  4]
 [ 2  3  4]
 [10 11 12]]
[[ 5  6  7]
 [ 5  6  7]
 [13 14 15]]
[[ 6  7  8]
 [ 6  7  8]
 [14 15 16]]
[[ 5  6  7]
 [ 9 10 11]
 [13 14 15]]
[[ 6  7  8]
 [10 11 12]
 [14 15 16]]
[[ 1  2  3]
 [ 5  6  7]
 [ 1  1  2]]
[[ 2  3  4]
 [ 6  7  8]
 [ 2  3  4]]
[[ 5  6  7]
 [ 9 10 11]
 [ 5  6  7]]
[[ 6  7  8]
 [10 11 12]
 [ 6  7  8]]
[[ 9 10 11]
 [13 14 15]
 [ 1  1  2]]
[[10 11 12]
 [14 15 16]
 [ 2  3  4]]
[[13 14 15]
 [ 1  2  3]
 [ 5  6  7]]
[[14 15 16]
 [ 2  3  4]
 [ 6  7  8]]
[[ 9 10 11]
 [13 14 15]
 [ 9 10 11]]
[[10 11 12]
 [14 15 16]
 [10 11 12]]
[[13 14 15]
 [ 5  6  7]
 [13 14 15]]
[[14 15 16]
 [ 6  7  8]
 [14 15 16]]

可见，通过使用填充模式，我们可以轻松地在移动窗口中处理边缘数据。请注意，在这个例子中，每个移动窗口中的所有元素都来自原始数组，而不是填充数组。

阅读更多：Numpy 教程