在Python中為圖像中的每個像素選擇7 * 7個相鄰像素的最快方法

Question

需要將圖像作為數組讀取，並為每個像素選擇7 * 7個相鄰像素，然后重新整形並作為第一行訓練集：

  import numpy as np
  from scipy import misc
  face1=misc.imread('face1.jpg') 

face1尺寸為(288, 352, 3) face1 (288, 352, 3) ，需要為每個像素找到7 * 7個相鄰像素，所以49 * 3顏色然后將其重新整形為(1,147)數組並將其堆疊成所有像素的數組，我拿了以下方法：

X_training=np.zeros([1,147] ,dtype=np.uint8)
for i in range(3, face1.shape[0]-3):
    for j in range(3, face1.shape[1]-3):
        block=face1[i-3:i+4,j-3:j+4]
        pxl=np.reshape(block,(1,147))
        X_training=np.vstack((pxl,X_training))

得到的X_training形狀是(97572, 147) X_training (97572, 147)

並且最后一行包含全部為零：

a = len(X_training)-1
X_training = X_training[:a]

上面的代碼適用於一張圖片，但Wall time: 5min 19s我有2000張圖片，因此所有圖片都需要很Wall time: 5min 19s 。 我正在尋找一種更快的方法來迭代每個像素並執行上述任務。

編輯： 對於每個像素face1[i-3 : i+4 ,j-3:j+4]這就是我所說的鄰居像素

Answer 1

一種有效的方法是使用stride_tricks在圖像上創建一個滾動窗口，然后將其展平：

import numpy as np

face1 = np.arange(288*352*3).reshape(288, 352, 3)  # toy data

n = 7  # neighborhood size

h, w, d = face1.shape
s = face1.strides

tmp = np.lib.stride_tricks.as_strided(face1, strides=s[:2] + s,
                                      shape=(h - n + 1, w - n + 1, n, n, d))
X_training = tmp.reshape(-1, n**2 * d)
X_training = X_training[::-1]  # to get the rows into same order as in the question

tmp是圖像的5D視圖，其中tmp[x, y, :, :, c]等效於顏色通道c face1[x:x+n, y:y+n, c] 。

Answer 2

以下是我筆記本電腦上的<1s：

import scipy as sp
im = sp.rand(300, 300, 3)

size = 3
ij = sp.meshgrid(range(size, im.shape[0]-size), range(size, im.shape[1]-size))
i = ij[0].T.flatten()
j = ij[1].T.flatten()

N = len(i)
L = (2*size + 1)**2
X_training = sp.empty(shape=[N, 3*L])

for pixel in range(N):
    si = (slice(i[pixel]-size, i[pixel]+size+1))
    sj = (slice(j[pixel]-size, j[pixel]+size+1))
    X_training[pixel, :] = im[si, sj, :].flatten()

X_training = X_training[-1::-1, :]

當我想不出單行矢量化版本時，我總是有點難過，但至少它對你來說更快。

Answer 3

使用scikit-image：

import numpy as np
from skimage import util

image = np.random.random((288, 352, 3))
windows = util.view_as_windows(image, (7, 7, 3))

out = windows.reshape(-1, 7 * 7 * 3)