Comment améliorer la mise en œuvre du filtre de moyenne mobile avec Stride Tricks ?

Utilisation des astuces de foulée pour une mise en œuvre efficace d'un filtre de moyenne mobile

Cette enquête explore l'utilisation d'astuces de foulée pour développer un filtre de moyenne mobile plus efficace que la méthode basée sur la convolution décrite dans un article précédent. L'objectif est de filtrer de grands tableaux à virgule flottante pour les tâches où scipy.ndimage.filters.convolve est relativement lent.

L'approche initiale utilisait des astuces pour générer une série de tableaux représentant le haut, le milieu et le bas. lignes d'un noyau de filtre 3x3. Ces tableaux ont ensuite été additionnés et moyennés pour produire la sortie du filtre pour chaque pixel. Cependant, l'interrogateur recherchait une méthode plus efficace qui pourrait obtenir directement la somme ou les valeurs individuelles des éléments du noyau pour l'ensemble du tableau.

Approche améliorée utilisant des astuces de foulée multidimensionnelle

La solution améliorée consiste à appliquer des astuces de foulée multidimensionnelles pour créer une vue du tableau d'origine où chaque élément représente une fenêtre mobile de la taille souhaitée. Cela permet d'appliquer une fonction arbitraire au dernier axe plusieurs fois, calculant efficacement la moyenne mobile ou d'autres mesures statistiques souhaitées sur une fenêtre glissante.

Exemple de code

<code class="python">import numpy as np

def rolling_window(array, window):
    """Multidimensional moving window function"""
    # Validate window dimensions
    if not hasattr(window, '__iter__'):
        return rolling_window_lastaxis(array, window)
    for i, win in enumerate(window):
        if win > 1:
            array = array.swapaxes(i, -1)
            array = rolling_window_lastaxis(array, win)
            array = array.swapaxes(-2, i)
    return array

filtsize = (3, 3)
array = np.arange(100).reshape((10, 10))
windowed_array = rolling_window(array, filtsize)
blurred_array = windowed_array.mean(axis=-1).mean(axis=-1)</code>

Avantages de la solution améliorée

• Génération directe de la fenêtre mobile à l'aide d'astuces de foulée, éliminant le besoin d'étapes intermédiaires.
• Applicabilité aux tableaux multidimensionnels, permettant pour un filtrage efficace sur plusieurs axes.
• Vectorisation des opérations de fenêtre mobile, entraînant une réduction significative du temps de calcul.

Limitations

Malgré ces avantages, il est important de noter que l'utilisation d'astuces de foulée pour les fenêtres mobiles multidimensionnelles peut entraîner une utilisation accrue de la mémoire. Par conséquent, une attention particulière doit être accordée aux ressources disponibles et à la taille du tableau d'entrée.

Comparaison avec scipy.ndimage

Alors que les astuces de foulée offrent des avantages en termes de flexibilité et de vectorisation , les fonctions scipy.ndimage sont généralement plus économes en mémoire et optimisées pour les tâches de traitement d'images multidimensionnelles. Pour les grands tableaux, scipy.ndimage.uniform_filter est recommandé comme option plus rapide et plus robuste pour appliquer des filtres à moyenne mobile.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!