在多维数组中设置滑动 windows 作为列（来自 MATLAB 的 IM2COL）- Python

Question

目前，我有一个 4d 数组，比方说，

arr = np.arange(48).reshape((2,2,3,4))

我想应用一个函数，该函数将二维数组作为从 arr 切片的每个二维数组的输入。我已经搜索并阅读了this question，这正是我想要的

我使用的函数是 im2col_sliding_broadcasting()，它是从得到的。它需要一个二维数组和 2 个元素的列表作为输入，returns 一个二维数组。在我的例子中：它需要 3x4 二维数组和一个列表 [2, 2] 和 returns 4x6 二维数组。

我考虑过使用 apply_along_axis() 但 as said 它只接受 1d 函数作为参数。我不能这样应用 im2col 函数。

我想要一个形状为 2x2x4x6 的输出。当然我可以用for循环实现这个，但是我听说它太费时间了：

import numpy as np

def im2col_sliding_broadcasting(A, BSZ, stepsize=1):
    # source: 
    # Parameters
    M, N = A.shape
    col_extent = N - BSZ[1] + 1
    row_extent = M - BSZ[0] + 1

    # Get Starting block indices
    start_idx = np.arange(BSZ[0])[:, None]*N + np.arange(BSZ[1])

    # Get offsetted indices across the height and width of input array
    offset_idx = np.arange(row_extent)[:, None]*N + np.arange(col_extent)

    # Get all actual indices & index into input array for final output
    return np.take(A, start_idx.ravel()[:, None] + offset_idx.ravel()[::stepsize])

arr = np.arange(48).reshape((2,2,3,4))
output = np.empty([2,2,4,6])

for i in range(2):
    for j in range(2):
        temp = im2col_sliding_broadcasting(arr[i, j], [2,2])
        output[i, j] = temp

因为我的 arr 实际上是一个 10000x3x64x64 数组。所以我的问题是：还有另一种方法可以更有效地做到这一点吗？

Answer 1

我们可以利用 np.lib.stride_tricks.as_strided based scikit-image's view_as_windows to get sliding windows. .

from skimage.util.shape import view_as_windows

W1,W2 = 2,2 # window size

# create sliding windows along last two axes1
w = view_as_windows(arr,(1,1,W1,W2))[...,0,0,:,:]

# Merge the window axes (tha last two axes) and 
# merge the axes along which those windows were created (3rd and 4th axes)
outshp = arr.shape[:-2] + (W1*W2,) + ((arr.shape[-2]-W1+1)*(arr.shape[-1]-W2+1),)
out = w.transpose(0,1,4,5,2,3).reshape(outshp)

最后一步强制复制。所以，如果可能的话，跳过它。

在多维数组中设置滑动 windows 作为列（来自 MATLAB 的 IM2COL）- Python

Setup sliding windows as columns (IM2COL from MATLAB) in multi-dimensional array - Python

python

performance

numpy

vectorization