Opencv 如何在Numpy中获得图像的8个邻域作为第三维的值

给定一个2d图像数据，对于每个像素P1，如何从中获得以下3d阵列

P9  P2  P3
P8  P1  P4
P7  P6  P5

img[x，y，：]=[P2，P3，P4，P5，P6，P7，P8，P9，P2]

---

不使用forloop，只需numpy操作（因为性能问题）

这里有一种方法，使用

零填充边界元素，并使用
numpy步长
和内置的有效滑动窗口提取-

from skimage.util import view_as_windows as viewW

def patches(a, patch_shape):     
    side_size = patch_shape
    ext_size = (side_size[0]-1)//2, (side_size[1]-1)//2
    img = np.pad(a, ([ext_size[0]],[ext_size[1]]), 'constant', constant_values=(0))
    return viewW(img, patch_shape)

样本运行-

In [98]: a = np.random.randint(0,255,(5,6))

In [99]: a
Out[99]: 
array([[139, 176, 141, 172, 192,  81],
       [163, 115,   7, 234,  72, 156],
       [ 75,  60,   9,  81, 132,  12],
       [106, 202, 158, 199, 128, 238],
       [161,  33, 211, 233, 151,  52]])

In [100]: out = patches(a, [3,3]) # window size = [3,3]

In [101]: out.shape
Out[101]: (5, 6, 3, 3)

In [102]: out[0,0]
Out[102]: 
array([[  0,   0,   0],
       [  0, 139, 176],
       [  0, 163, 115]])

In [103]: out[0,1]
Out[103]: 
array([[  0,   0,   0],
       [139, 176, 141],
       [163, 115,   7]])

In [104]: out[-1,-1]
Out[104]: 
array([[128, 238,   0],
       [151,  52,   0],
       [  0,   0,   0]])

如果您想要一个
3D
数组，您可以在末尾添加一个
重塑
，如下所示-

out.reshape(a.shape + (9,))

但是，请注意，这将创建一个副本，而不是我们从函数本身获得的有效的基于步幅的视图。
您想如何处理边界元素？我想要一个3D数组，边界可以设置为0或收缩谢谢，您可能想在函数的第二行键入“/”而不是“/”