向量化与numpy

Question

我想创建一个高斯模糊矩阵。我从http://www.labri.fr/perso/nrougier/teaching/numpy/numpy.html

修改代码dev_data具有784个像素特征的行，并且我希望模糊像素周围的邻居以及像素本身。当我们沿着外边缘（第1行，-1，第1列，第-1行）时，丢弃任何超出边界的邻居。我不太清楚如何做这个丢弃。

代码：

# Initialize a new feature array with the same shape as the original data. 
blurred_dev_data = np.zeros(dev_data.shape) 

#we will reshape the 784 feature-long rows into 28x28 matrices 
for i in range(dev_data.shape[0]): 
    reshaped_dev_data = np.reshape(dev_data[i], (28,28)) 
    #the purpose of the reshape is to use the average of the 8 pixels + the pixel itself to blur 
    for idx, pixel in enumerate(reshaped_dev_data): 
     pixel = np.mean(reshaped_dev_data[idx-1:idx-1,idx-1:idx-1] + reshaped_dev_data[idx-1:idx-1,idx:idx] + reshaped_dev_data[idx-1:idx-1,idx+1:] + 
      reshaped_dev_data[idx:idx,idx-1:idx-1] + reshaped_dev_data[idx:idx,idx:idx] + reshaped_dev_data[idx:idx,idx+1:] + 
      reshaped_dev_data[idx+1: ,idx-1:idx-1] + reshaped_dev_data[idx+1: ,idx:idx] + reshaped_dev_data[idx+1: ,idx+1:]) 
    blurred_dev_data[i,:] = reshaped_dev_data.ravel() 

我得到一个错误与指数：

ValueError: operands could not be broadcast together with shapes (0,0) (0,27) 

这不是一个indexerror，所以我不太清楚我在做什么错在这里/如何修理它。

Answer 1

试试这个：

pixel = np.mean(reshaped_dev_data[idx-1:idx+1, idx-1:idx+1]) 

此外，了解slicing。

---

所以我还看着你的代码，你做错了几件事情：

• 这不是一个高斯内核。
• 重复计算reshaped_dev_data多次循环。
• 循环错误的东西。
• 试图在第9行这变异pixel是不好的，因为：
  • 你遍历对象的突变是普遍不好
  • 这不会反正变异！ pixel就像是一个“价值”持有人。改变它不会改变你正在循环的数组。
• 不写矢量化的代码！

---

下面是做这件事的天真，非矢量化方式：

def conv(arr, i, j): 
    return np.mean(arr[i-1:i+1, j-1:j+1]) 

blurred_dev_data = np.zeros_like(dev_data) 
reshaped_dev_data = dev_data.reshape(28, 28) 

for i, row in enumerate(reshaped_dev_data): 
    for j, pixel in enumerate(row): 
     blurred_dev_data[i, j] = conv(reshaped_dev_data, i, j) 

请注意，我们正在做的卷积。所以我们可以简单地使用内置库来对平均内核执行卷积。

---

关于你的评论，

def conv(arr, i, j): 
    # Ensure the boundaries are not exceeded 
    a = max(i-1, 0) 
    b = min(i+1, 28) 
    c = min(j-1, 0) 
    d = max(i+1, 28) 

    return np.mean(arr[a:b, c:d]) 

blurred_dev_data = np.zeros_like(dev_data) 

for n, data in enumerate(dev_data): 
    reshaped = data.reshape(28, 28) 
    blurred = np.zeros_like(reshaped) 

    for i, row in enumerate(reshaped): 
     for j, pixel in enumerate(row): 
      blurred[i, j] = conv(reshaped, i, j) 

    blurred_dev_data[n] = blurred.ravel() 

通知我修改conv因为我忘了，以确保边界不是超标。

注：它是非常非常更快地使用现有的库如SciPy的或OpenCV的执行2D卷积，或在这种情况下，平均值平均滤波器。