Python Numpy 3d阵列-规范化行

我一直致力于用水平暗/亮线条规范化图像数据

请在下面找到我的最小工作示例。 设一个3d阵列（三幅图像）：

例如，图像#2

a[：，：，1]

由

[[1 1 1]
 [4 4 4]
 [7 7 7]]

并显示水平条纹。为了消除条纹，我计算了行的中位数、总体中位数和差分矩阵

row_median = np.median(a, axis=1)
bg_median= np.tile(np.median(a, axis=[0,1]),(3,1))
difference_matrix= bg_median-row_median

随后，我对图像进行迭代，并将差分矩阵应用于所有图像

for i in range(len(a)):
    a[:,:,i] = a[:,:,i] + np.tile(difference_matrix[:,i],(3,1)).T

这将给出所需的结果，例如，在

a[：，：，1]

：

[[4 4 4]
 [4 4 4]
 [4 4 4]]

对于大型图像和图像堆栈，此过程非常缓慢。 如果您能通过使用广播，对提高我的代码性能提出任何意见和提示，我将不胜感激

编辑： 跟进

为我解决了这个问题。

方法#1

利用

None/np.newaxis

扩展维度，而不是平铺这些中间数组，以节省内存，从而实现性能。效率。因此，这些变化将是-

diff = np.median(a, axis=[0,1]) - np.median(a, axis=1)
a += diff[:,None]

这将考虑罩下的尺寸扩展

方法#2

或者，一种更明确的跟踪dim的方法是在执行数据缩减时保留dim，从而避免使用

None

进行最终dim扩展。因此，我们可以将

keepdims

用作

True

-

diff = np.median(a,axis=(0,1),keepdims=True) - np.median(a, axis=1,keepdims=True)
a += diff

---

发布的解决方案对你有用吗？

diff = np.median(a, axis=[0,1]) - np.median(a, axis=1)
a += diff[:,None]

diff = np.median(a,axis=(0,1),keepdims=True) - np.median(a, axis=1,keepdims=True)
a += diff