Блог

Вопрос

У меня есть numpy.array форма (H, W) , хранящая интенсивность пикселей изображения. Я хочу сгенерировать новый массив формы (H, W, H, W) , в котором хранится евклидово расстояние между каждой парой пикселей на изображении («пространственное» расстояние между пикселями, а не разница в их интенсивности).

Попытка решения

Следующий метод делает именно то, что я хочу, но очень медленно. Я ищу быстрый способ сделать это.

 d = numpy.zeros((H, W, H, W)) # array to store distances.
for x1 in range(H):
    for y1 in range(W):
        for x2 in range(H):
            for y2 in range(W):
                d[x1, y1, x2, y2] = numpy.sqrt( (x2-x1)**2   (y2-y1)**2 )
  

Дополнительные сведения

Вот более подробная информация о моей проблеме. Вероятно, мне будет достаточно решения более простой проблемы, описанной выше, чтобы разобраться с остальным.

• В моем случае изображение на самом деле является медицинским 3D-изображением (т. Е. numpy.array Формой (H, W, D) ).
• 3D-пиксели могут быть не кубическими (например, каждый пиксель может представлять объем 1 мм x 2 мм x 3 мм).

Мы можем настроить открытые сетки с 1D использованием разнесенных массивов np.ogrid , с которыми можно работать в той же нотации итератора для векторизованного решения, и это позволит использовать broadcasting perf. boost :

 X1,Y1,X2,Y2 = np.ogrid[:H,:W,:H,:W]
d_out = numpy.sqrt( (X2-X1)**2   (Y2-Y1)**2 )
  

Чтобы сэкономить на двух открытых сетках :

 X,Y = np.ogrid[:H,:W]
d_out = numpy.sqrt( (X[:,:,None,None]-X)**2   (Y[:,:,None,None]-Y)**2 )
  

Если мы работаем с большими массивами, рассмотрите возможность использования numexpr для дальнейшего увеличения :

 import numexpr as ne

d_out = ne.evaluate('sqrt( (X2-X1)**2   (Y2-Y1)**2 )')