Python 使用numpy逐像素矢量化两组窗口图像之间的误差计算

我正在尝试计算（每个图像的）两个窗口图像集逐像素之间的误差。为了做到这一点，我将编码的img的值减去原始img。 完成后，我想计算每个像素到0的距离（使用RGB图像的3维）。我现在搜索的结果是一个与原始数据形状相同但只有一维的新矩阵（l2_矩阵）

我使用的代码是：

n_windows_max, n_imgs_window_max, x_max, y_max, n_dim = diff_matrix.shape

l2_matrix = np.zeros((n_windows_max,n_imgs_window_max,x_max, y_max, 1))

n_window = 0
n_img_window = 0
x_i = 0
y_i = 0

for n_window in range(n_windows_max): # read each window
  for n_img_window in range(n_imgs_window_max): #read all the images of each window
    for x_i in range(x_max): 
      for y_i in range(y_max): 
        a0 = diff_matrix[n_window, n_img_window, x_i, y_i, 0]
        a1 = diff_matrix[n_window, n_img_window, x_i, y_i, 1]
        a2 = diff_matrix[n_window, n_img_window, x_i, y_i, 2]

        a = array([a0, a1, a2])
        l2_matrix[n_window, n_img_window, x_i, y_i, 0] = norm(a)

---

正如你所见，我有一个5维矩阵，形状是：（窗口数量，每个窗口中的图像数量，x轴，y轴，维度数量）。上面的代码工作得很好，但我想改进它。我曾尝试将其矢量化，但我不知道如何正确地执行（我读过一些文章，其中有如何执行的示例，但出于更简单的目的，我无法将其外推到这个问题上）。

您可以定义要计算范数的轴

例如，这里第一窗口的第一个图像的前三个通道像素的范数：

np.linalg.norm(diff_matrix[:1, :1, :1, :1], axis=4)

---

因此，您可以将

l2\u矩阵定义为：

l2_matrix = np.linalg.norm(diff_matrix, axis=4)

作为
n\u windows\u max，n\u imgs\u window\u max，x\u max，y\u max
的维度

如果您在末端需要额外的尺寸，您可以：

l2_matrix.reshape(*l2_matrix.shape, 1)