Python 使用numpy/scipy计算矩阵中每个单元的邻域乘积

我正在尝试实现一个图像处理算法，其中包括计算每个细胞的4个相邻邻域的乘积。也就是说，计算X的新矩阵Y，其中

Y[i，j]=X[i-1，j]*X[i，j-1]*X[i+1，j]*X[i，j+1]

。不受约束的邻居应该被忽略

现在我只能想到这种方法：使用

scipy.ndimage.filters.correlate

并用0和1传递权重，得到四个矩阵，每个矩阵包含每个单元格在一个方向上的邻居，就像传递

weight=[[0,0,0]，[1,0,0]，[1,1]

一样，我得到

a[I，j]=x[I-1，j]

，通过其他权重，我可以得到

b[I，j]=x[I，j-1]

，

c[I，j]=x[I+1，j]

，

d[I，j]=x[I，j+1]

。然后我使用

np.multiply

计算这四个矩阵的乘积

---

然而，这种方法有点太慢了，我不能忽略边界。有没有其他方法可以使用numpy/scipy来实现这一点，这样我就不必求助于for循环？

您需要单独写出边，但这与您对数组中心部分的要求相同，并且可能明显快于关联：

y = np.empty_like(x)
y[1:-1, 1:-1] = x[1:-1, 1:-1]
y[1:-1, 1:-1] *= x[:-2, 1:-1]
y[1:-1, 1:-1] *= x[2:, 1:-1]
y[1:-1, 1:-1] *= x[1:-1, :-2]
y[1:-1, 1:-1] *= x[1:-1, 2:]

---

我认为这更符合你的要求：

import numpy as np

x = np.array([
    [1, 2, 3, 4, 5],
    [6, 7, 8, 9, 1],
    [2, 3, 4, 5, 6],
    [7, 8, 9, 1, 2]
])

y = np.ones_like(x)
y[+1:, :] *= x[:-1, :]
y[:-1, :] *= x[+1:, :]
y[:, +1:] *= x[:, :-1]
y[:, :-1] *= x[:, +1:]

y
#>>> array([[  12,   21,   64,  135,    4],
#>>>        [  14,  288,  756,  160,  270],
#>>>        [ 126,  448, 1080,  216,   10],
#>>>        [  16,  189,   32,   90,    6]])

---

请注意，如果需要额外的速度，第一个

*=

可以是一个赋值。

如果首先获取日志，则它将是一个加法。2x2卷积离散拉普拉斯算子一旦是加法，将非常接近。只需要取消中心术语@Paul谢谢你的帮助，但是矩阵中可能有负数，所以我不能先获取日志。不应该是

y=numpy。像
这样的，然后删除第二行吗？