那么,这是一个
smoothing operation in image processing,可以通过2D卷积实现.你对近边界元素的工作方式有所不同.因此,如果边界元素是精确的,你可以像这样使用
scipy's convolve2d –
from scipy.signal import convolve2d as conv2
out = (conv2(a,np.ones((3,3)),'same')/9.0
此特定操作是OpenCV模块中内置的cv2.blur,并且非常高效.该名称基本上描述了模糊表示图像的输入数组的操作.我相信效率来自这样一个事实,即内部完全用C语言实现性能,使用精简的Python包装器来处理NumPy数组.
所以,输出也可以用它来计算,就像这样 –
import cv2 # Import OpenCV module
out = cv2.blur(a.astype(float),(3,3))
这是一个关于大图像/阵列的时间的快速显示 –
In [93]: a = np.random.randint(0,255,(5000,5000)) # Input array
In [94]: %timeit conv2(a,np.ones((3,3)),'same')/9.0
1 loops, best of 3: 2.74 s per loop
In [95]: %timeit cv2.blur(a.astype(float),(3,3))
1 loops, best of 3: 627 ms per loop