如何计算具有步长的 3D 数组的移动平均值？

Question

我需要使用我设置的步长计算 3D 数组的移动平均值。我现在正在做的是

 img = np.ones(10,10,50)
 img_new = bottleneck.move.move_mean(img, window=5, axis=2)

虽然bottleneck.move.move_mean足够快来处理图像，但不幸的是它不允许我设置步长。这会导致大量开销，因为没有必要计算 5 个窗口中 4 个窗口的平均值。

是否有与bottleneck.move.move_mean类似的函数，我可以在其中设置步长？

Answer 1

如果IIUC你可以直接使用

numpy

重塑数据后的均值：

shape = (2,2,5)
len_ = np.prod(shape)
img = np.linspace(1,len_,len_).reshape(shape) # init

初始化数组：

array([[[ 1.,  2.,  3.,  4.,  5.],
        [ 6.,  7.,  8.,  9., 10.]],

       [[11., 12., 13., 14., 15.],
        [16., 17., 18., 19., 20.]]])

代码：

step = 5 # same as window size
# shape[2]/step == int(shape[2]/step) # maybe add this check!
img.reshape(shape[0], shape[1], step, int(shape[2]/step)).mean(2)

输出：

array([[[ 3.],
        [ 8.]],

       [[13.],
        [18.]]])

注意：这假设窗口和步长相同，我认为这也是您在特定示例中所要求的