平均数组邻居值答案

【问题标题】：Averaging over array neighbour values平均数组邻居值
【发布时间】：2020-10-03 23:29:24
【问题描述】：

给定如下的 [x,y] 数组，我想返回一个新数组，其中包含 3x3 子数组的平均值。例如。以下数组：

image = [[7, 4, 0, 1], 
         [5, 6, 2, 2], 
         [6, 10, 7, 8], 
         [1, 4, 2, 0]]

应该返回

new_image = [[5, 4],
            [4, 4]]

我已经做到了这一点，我可以将新数组作为表单列表获取：

new_image = [5,4,4,4]

这是我的方法：

h = list(range(1,len(image)-1))
w = list(range(1,len(image[0])-1))

def square_sum(image,i,j):
    sum = image[i-1][j-1] + image[i-1][j] + image[i][j-1] + image[i+1][j] + image[i][j+1] + image[i+1][j+1] + image[i][j] + image[i-1][j+1] + image[i+1][j-1] 
    return sum//9

new_image = []

for i in h:
    for j in w:
        new_image.append(square_sum(image,i,j))
return(new_image)

所以我的问题是如何让我的输出成为一个数组而不是一个列表。（我已经意识到用 Numpy 做这件事要容易得多，但想看看我如何才能按照上述方法解决它）。

【问题讨论】：

我不明白这些值中的任何一个如何平均为 5 或 4
@NicolasGervais 我已经编辑了问题来解释 - 这是 3x3 的平均值。
嗨，就像原始数组中每个元素周围的 3x3 子数组的平均值一样。例如。在原始数组中取 [1,1] = 6。以 6 为中心的 3x3 子数组之和为 47。因此，平均值为 5。
这可能是相关的 - stackoverflow.com/questions/43086557/…（使用 3x3 卷积过滤器，其中每个值都是 1/9）。

标签： python arrays list

【解决方案1】：

您必须手动创建外部和内部列表：

new_image = []

for i in h:
    new_image.append([])  # at each height, add a new inner list
    for j in w:
        new_image[-1].append(square_sum(image,i,j))
        #         ^ append to the last create inner list

for ... in ...: some_list.append(...) 形式的模式通常适合写成列表推导式。两层都可以通过嵌套推导式同时表达：

 #           v outer layer                                 v
 new_image = [[square_sum(image,i,j) for j in w] for i in h]
 #            ^ inner layer                    ^

【讨论】：

【解决方案2】：

你可以用list comprehension替换最后的循环：

new_image = [[square_sum(image,i,j) for j in w] for i in h]

在您的示例中，它返回：

[[5, 4], [4, 4]]

【讨论】：

【解决方案3】：

由于我们知道每行中的元素数量，我们可以继续将行而不是元素附加到new_image。代码如下：

image = [[7, 4, 0, 1], 
         [5, 6, 2, 2], 
         [6, 10, 7, 8], 
         [1, 4, 2, 0]]

h = list(range(1,len(image)-1))
w = list(range(1,len(image[0])-1))

def square_sum(image,i,j):
    sum = image[i-1][j-1] + image[i-1][j] + image[i][j-1] + image[i+1][j] + image[i][j+1] + image[i+1][j+1] + image[i][j] + image[i-1][j+1] + image[i+1][j-1] 
    return sum//9

new_image = []

for i in h:
    temp_row = []
    for j in w:
        temp_row.append(square_sum(image,i,j))
    new_image.append(temp_row)

【讨论】：

【解决方案4】：

如果你愿意使用 scipy，可以用 1/9 内核做卷积：

from scipy.signal import convolve2d


image = [[7, 4, 0, 1], 
         [5, 6, 2, 2], 
         [6, 10, 7, 8], 
         [1, 4, 2, 0]]


kernel = np.ones([3,3]) / 9

convolve2d(image, kernel, mode='valid').astype(int)

【讨论】：