Numpy 如何对给定的模具使用scipy.ndimage.convalve？

我需要做一些非常类似于本文详细介绍的事情。但模板的制作方式对我来说并不明显。。。嗯，

\u flux

的模具是，但是

temp\u bz

和

temp\u bx

的模具不是

我认为使用变量，而不是数字（比如

stencil=np.array（[[a，b]，[c，d]]）

a=0.5，b=… 例如，如果递归关系为

flux2[i,j] = a*flux2[i-1,j] + b*bz[i-1,j]*dx + c*flux2[i,j-1] - d*bx[i,j-1]*dz

---

代码将如何更改？

具有

flux2

、

bz

和

bx

变量，并且假设它们是numpy数组（如果不是，则应该），您可以按如下方式编写矢量化形式的ecuation：

flux2[1:,1:] = a * flux2[:-1,1:] + b * bz[:-1,1:] * dx + c * flux2[1:,:-1] - d * bx[1:,:-1] * dz

请注意，由于您没有提到

dz

，我假设它是一个常数，如果它是与

flux2

形状相同的矩阵，则替换为

dz[1:，1::

（同样适用于

dx

）

上面的那一行将操作矢量化到矩阵的每个

i，j

，从而删除

for

循环，从而提供相当大的加速

您必须定义行和列的边界条件

0

，因为您的等式没有定义在这些特殊情况下要做什么

因此，简而言之，由于您的模板对每个变量只使用一个位置，并且只有4个交互，我想说的是，以其分析形式计算它要快得多，而不是用几乎所有0个模板卷积3个图像（这将是相当多的过度使用）