Python 通过对像素求和来重新缩放矩阵

是否有一种通过简单地添加相邻像素来重新缩放矩阵的快速方法

因此，对于一个

X=N*M

矩阵，你会得到一个

Y=（N/N）*（N/M）

，其中

N*M

是我应该添加像素的区域

我一直在手动（通过脚本）完成这项工作，但我认为一定有办法做到这一点

for i in range(0, X.shape[0]/n):
    for j in range(0, X.shape[1]/m):
        Y[i, j] = np.sum(X[i*n:i*n+n, j*m:j*m+m])

例如

---

您可以使用函数和以下命令对代码进行矢量化：

N

和

M

必须分别是

N

和

M

的整数倍。否则将出现以下错误：

ValueError:

块形状

与中的

arr\u不兼容

样本运行

In [74]: X
Out[74]: 
array([[5, 6, 3, 7],
       [5, 0, 3, 0],
       [6, 1, 8, 0],
       [4, 0, 7, 2]])

In [75]: Y
Out[75]: 
array([[16, 13],
       [11, 17]])

---

一种纯粹的方法是将矩阵重塑为更多的轴，并在适当的轴上求和

Y = X.reshape(X.shape[0]/n, n, X.shape[1]/m, m).sum((1, 3))

---

只是使用了[[1,1]，[1,1]]内核的卷积和2像素的过程

In [74]: X
Out[74]: 
array([[5, 6, 3, 7],
       [5, 0, 3, 0],
       [6, 1, 8, 0],
       [4, 0, 7, 2]])

In [75]: Y
Out[75]: 
array([[16, 13],
       [11, 17]])

Y = X.reshape(X.shape[0]/n, n, X.shape[1]/m, m).sum((1, 3))