向量化嵌套for循环

Question

我需要矢量化两个嵌套for循环，不知道怎么做。一个用于灰度图像，一个用于彩色图像。我想用kuwahara过滤器过滤图像。下面的代码是我需要矢量化的最后一步，以获得一个快速函数。你知道吗

• 阵列img\u kuwahara的形状为mxn或mxnx3（彩色图像）
• 数组索引\u min的形状为mxn
• 数组平均值的形状为4xmxn（灰度）或3x4xmxn（颜色）

我需要从mean数组中得到正确的值，然后放入img\u kuwahara数组。你知道吗

作为示例数据，您可以使用以下数组：

指数最小值np.数组（[[0，1，1，2，3]，[3，3，2，2]，[2，3，3，0，2]，[0，1，1，0，3]，[2，1，3，0，0]]）

平均值=np.random.randint随机数（0，256，大小=（4,5,5））（灰度图像）

平均值=np.random.randint随机数（0，256，大小=（3,4,5,5））（彩色图像）

行=5，列=5

谢谢你的帮助

# Edit gray scale image
if len(image.shape) == 2:

    # Set result image
    img_kuwahara = np.zeros((row, columns), dtype=imgtyp)

    for k in range(0, row):
        for i in range(0, columns):
            img_kuwahara[k, i] = mean[index_min[k, i], k, i]



# Edit color image
if len(image.shape) == 3:

    # Set result image
    img_kuwahara = np.zeros((row, columns, 3), dtype=imgtyp)

    for k in range(0, row):
        for i in range(0, columns):
            img_kuwahara[k, i, 0] = mean[0][index_min[k, i], k, i]
            img_kuwahara[k, i, 1] = mean[1][index_min[k, i], k, i]
            img_kuwahara[k, i, 2] = mean[2][index_min[k, i], k, i]

Answer 1

第一个循环可以使用^{}矢量化：

j, i = np.meshgrid(range(columns), range(rows))
img_kuwahara = mean[index_min[i, j], i, j]

第二个循环可以通过使用额外的^{}来矢量化（假设mean在这种情况下实际上是一个4D数组，而不是一个3D数组列表；否则就转换它）：

j, i = np.meshgrid(range(columns), range(rows))
img_kuwahara = np.moveaxis(mean, 0, -1)[index_min[i, j], i, j]

除了np.meshgrid之外，还可以使用^{}（它支持更自然的语法）：

i, j = np.mgrid[:rows, :columns]