Python 查找图像中所有像素对之间的距离 问题:

我有一个

numpy.array

形状

（H，W）

，存储图像的像素强度。我想生成一个新的形状数组

（H，W，H，W）

，它存储图像中每对像素之间的欧氏距离（像素之间的“空间”距离；而不是它们强度的差异）

解决方案尝试 下面的方法正是我想要的，但速度很慢。我正在寻找一种快速的方法来做到这一点

d = numpy.zeros((H, W, H, W)) # array to store distances.
for x1 in range(H):
    for y1 in range(W):
        for x2 in range(H):
            for y2 in range(W):
                d[x1, y1, x2, y2] = numpy.sqrt( (x2-x1)**2 + (y2-y1)**2 )

额外细节 以下是关于我的问题的更多细节。上面这个简单问题的一个解决方案可能足以让我解决剩下的问题

• 在我的例子中，图像实际上是一个3D医学图像（即形状

  （H、W、D）

  ）的

  numpy.array

  ）
• 3D像素可能不是立方体（例如，每个像素可能代表1毫米x 2毫米x 3毫米的体积）

---

我们可以使用

np.ogrid

设置带有

1D

范围数组的开放网格，对于矢量化解决方案，可以使用相同的迭代器符号对其进行操作，这将提高性能。促进：

X1,Y1,X2,Y2 = np.ogrid[:H,:W,:H,:W]
d_out = numpy.sqrt( (X2-X1)**2 + (Y2-Y1)**2 )

要在两个打开的网格上保存，请执行以下操作：

X,Y = np.ogrid[:H,:W]
d_out = numpy.sqrt( (X[:,:,None,None]-X)**2 + (Y[:,:,None,None]-Y)**2 )

如果我们使用大数组，考虑使用<代码> NoNeXPR进行进一步的升力：

import numexpr as ne

d_out = ne.evaluate('sqrt( (X2-X1)**2 + (Y2-Y1)**2 )')

---

因此，您试图计算像素坐标之间的距离，而不是像素本身的强度？像素本身可能具有不同的体积？@Jensun这是一幅3D医学图像，其中每个3D像素（“体素”）代表一个小体积。体积是矩形棱柱体，但可能不是立方体。所有的体素都有相同的形状。必须计算体素质心之间的距离吗？@Jensun是的，质心之间的距离。我尝试了这些，它们似乎都有效，并且比我的循环方法更快。我有一个更大的问题，因为图像太大，无法实际执行此计算或存储结果-例如，一个100x100x100图像将有~10^6个像素和~10^12对像素。我把你的答案标记为接受，因为我认为它回答了我提出的问题。