Strides를 사용하여 효율적인 이동 평균 필터를 구현하는 방법은 무엇입니까?

효율적인 이동 평균 필터를 위해 스트라이드 사용

이전 논의에서 계산적으로 효율적인 이동 평균 필터를 위해 스트라이드를 사용하는 이점을 살펴보았습니다. . 여기서는 이 주제를 더 자세히 살펴보고 자세한 구현을 제공합니다.

스트라이드를 사용한 효율적인 이동 평균 필터링

스트라이드를 사용하여 이동 평균 필터를 효율적으로 계산하려면 다음을 수행하세요. numpy.lib.stride_tricks의 as_strided() 함수를 활용하세요. 이 함수를 사용하면 지정된 차원의 움직이는 창을 모방하는 배열의 뷰를 생성할 수 있습니다.

다음 코드를 고려하세요.

<code class="python">filtsize = 3
a = numpy.arange(100).reshape((10,10))
b = numpy.lib.stride_tricks.as_strided(a, shape=(a.size,filtsize), strides=(a.itemsize, a.itemsize))</code>

여기서 as_strided() 함수는 뷰를 생성합니다. 배열은 각각 (100 - filtsize 1, filtsize) 모양의 일련의 겹치는 창으로 구성됩니다.

창 굴리기

창을 이동하려면 , numpy.roll() 함수를 사용할 수 있습니다.

<code class="python">for i in range(0, filtsize-1):
    if i > 0:
        b += numpy.roll(b, -(pow(filtsize,2)+1)*i, 0)</code>

이는 filtsize 열만큼 창을 반복적으로 이동하여 원래 배열에서 창의 이동을 효과적으로 시뮬레이션합니다.

평균 계산

평균을 계산하려면 간단히 각 행의 값을 합산하고 필터의 요소 수로 나누면 됩니다.

<code class="python">filtered = (numpy.sum(b, 1) / pow(filtsize,2)).reshape((a.shape[0],a.shape[1]))</code>

이렇게 하면 다음과 같습니다. a 배열의 각 픽셀에 대한 이동 평균.

다차원 이동 평균

위 접근 방식은 제공된 Rolling_window() 함수를 사용하여 다차원 이동 평균을 처리하도록 확장될 수 있습니다. 작성자: numpy:

<code class="python">def rolling_window(a, window):
    shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
    strides = a.strides + (a.strides[-1],)
    return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)</code>

이 기능을 사용하면 배열의 임의 축을 따라 움직이는 창 보기를 만들 수 있습니다.

메모리 최적화

중요 스트라이드 트릭은 효율적일 수 있지만 다차원 배열을 처리할 때 메모리 오버헤드가 발생할 수도 있습니다. scipy.ndimage.uniform_filter() 함수는 보폭 트릭과 관련된 메모리 오버헤드 없이 다차원 이동 평균을 효율적으로 처리하는 대체 접근 방식을 제공합니다.

위 내용은 Strides를 사용하여 효율적인 이동 평균 필터를 구현하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!