Bagaimana untuk Melaksanakan Penapis Purata Pergerakan yang Cekap menggunakan Strides?

Menggunakan Langkah untuk Penapis Purata Pergerakan yang Cekap

Dalam perbincangan sebelum ini, faedah menggunakan langkah untuk penapis purata bergerak yang cekap dari segi pengiraan telah diterokai . Di sini, kami menyelidiki topik ini dengan lebih lanjut dan menyediakan pelaksanaan yang terperinci.

Penapisan Purata Pergerakan yang Cekap dengan Langkah

Untuk mengira penapis purata bergerak dengan cekap menggunakan langkah, anda boleh memanfaatkan fungsi as_strided() daripada numpy.lib.stride_tricks. Fungsi ini membolehkan anda mencipta paparan tatasusunan yang meniru tetingkap bergerak dengan dimensi yang ditentukan.

Pertimbangkan kod berikut:

<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>

Di sini, fungsi as_strided() mencipta paparan daripada tatasusunan sebagai satu siri tetingkap bertindih, setiap satu dengan bentuk (100 - saiz turasan 1, saiz turasan).

Memusing Tetingkap

Untuk mengalihkan tetingkap , anda boleh menggunakan fungsi numpy.roll():

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

Ini menganjakkan tetingkap secara berperingkat mengikut lajur bersaiz penapis, dengan berkesan mensimulasikan pergerakan tetingkap ke atas tatasusunan asal.

Mengira Purata

Untuk mengira purata, anda hanya boleh menjumlahkan nilai dalam setiap baris dan membahagikan dengan bilangan elemen dalam penapis:

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

Ini memberi anda purata bergerak untuk setiap piksel dalam tatasusunan.

Purata Pergerakan Berbilang Dimensi

Pendekatan di atas boleh dilanjutkan untuk mengendalikan purata bergerak berbilang dimensi menggunakan fungsi rolling_window() yang disediakan by 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>

Fungsi ini membolehkan anda membuat paparan tetingkap bergerak di sepanjang paksi arbitrari tatasusunan.

Pengoptimuman Memori

Ia penting untuk ambil perhatian bahawa walaupun helah langkah boleh menjadi cekap, ia juga boleh membawa kepada overhed memori apabila berurusan dengan tatasusunan berbilang dimensi. Fungsi scipy.ndimage.uniform_filter() menawarkan pendekatan alternatif yang mengendalikan purata bergerak multidimensi dengan cekap dan tanpa overhed memori yang dikaitkan dengan helah langkah.

Atas ialah kandungan terperinci Bagaimana untuk Melaksanakan Penapis Purata Pergerakan yang Cekap menggunakan Strides?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!