在Python中使用NumPy高效实现2D数组滑动窗口操作

import numpy as np

# 示例二维数组 (例如，一个5x5的随机数组)
median_x_array = np.random.rand(5, 5)
window_size = 3

# 用于存储展平后的滑动窗口
median_x_neighbors_manual = []

# 对数组进行填充，这里使用 'wrap' 模式，填充宽度为1 (对于3x3窗口)
# pad_width = (window_size - 1) // 2
padded_array_manual = np.pad(median_x_array, pad_width=1, mode='wrap')

print("原始数组:\n", median_x_array)
print("\n填充后的数组:\n", padded_array_manual)

# 通过嵌套循环手动实现滑动窗口
# 循环范围需要考虑窗口大小，确保不会超出填充数组的边界
for i in range(padded_array_manual.shape[0] - window_size + 1):
    for j in range(padded_array_manual.shape[1] - window_size + 1):
        # 提取当前窗口
        subarray = padded_array_manual[i:i+window_size, j:j+window_size]
        # 将窗口展平
        flattened_subarray = subarray.flatten()
        median_x_neighbors_manual.append(flattened_subarray)

print("\n手动实现的前3个滑动窗口（展平）:\n", median_x_neighbors_manual[:3])
print("手动实现的滑动窗口总数:", len(median_x_neighbors_manual))

import numpy as np
from numpy.lib.stride_tricks import sliding_window_view

# 示例二维数组 (与手动实现保持一致)
median_x_array = np.random.rand(5, 5)
window_size = 3

# 首先进行填充，与手动实现保持一致
padded_array_auto = np.pad(median_x_array, pad_width=1, mode='wrap')

print("填充后的数组 (用于 sliding_window_view):\n", padded_array_auto)

# 使用 sliding_window_view 生成滑动窗口视图
# window_shape=(window_size, window_size) 表示一个3x3的窗口
rolling_views = sliding_window_view(padded_array_auto, window_shape=(window_size, window_size))

# rolling_views 的形状分析：
# 如果原始填充数组形状为 (M, N)，窗口形状为 (W_row, W_col)，
# 那么 rolling_views 的形状将是 (M - W_row + 1, N - W_col + 1, W_row, W_col)。
# 例如，对于 (7,7) 的填充数组和 (3,3) 的窗口，结果是 (7-3+1, 7-3+1, 3, 3) = (5, 5, 3, 3)。
print("\n使用 sliding_window_view 生成的视图形状:", rolling_views.shape)

# 将前两个维度（窗口的行和列位置）展平，以便逐个访问每个3x3窗口
# 结果将是一个 (窗口总数, window_size, window_size) 的数组
# 如果需要将每个窗口展平为1D数组，可以进一步 reshape
all_windows_flattened_auto = rolling_views.reshape(-1, window_size * window_size)

# 如果需要，可以对每个窗口应用函数（例如，计算中位数）
# 这里我们只是将其展平并存储，与原始问题保持一致
median_x_neighbors_auto = all_windows_flattened_auto.tolist() # 转换为列表以便与手动实现比较

print("\n使用 sliding_window_view 实现的前3个滑动窗口（展平）:\n", median_x_neighbors_auto[:3])
print("使用 sliding_window_view 实现的滑动窗口总数:", len(median_x_neighbors_auto))

# 示例：直接对所有窗口计算中位数
# np.median 函数可以沿着指定的轴进行计算
# axis=(-2, -1) 表示对最后两个维度（即每个3x3窗口内部的元素）进行中位数计算
medians_per_window = np.median(rolling_views, axis=(-2, -1))
print("\n每个窗口的中位数结果:\n", medians_per_window)
print("中位数结果的形状:", medians_per_window.shape)