Python numpy阵列上的可分离滤波器

假设我有一个numpy数组

a

，我想创建一个新数组

b

，这样

b[i，j]

是一个函数，例如：

a[i-1, j-1], a[i-1, j  ], a[i-1, j+1],
a[i  , j-1], a[i  , j  ], a[i  , j+1],
a[i+1, j-1], a[i+1, j  ], a[i+1, j+1]

最快的方法是什么

由于这是一个可分离的过滤器，有没有办法在多个线程中运行它？（不是进程，因为我必须将数据复制回来）

还是必须编写C代码来绕过GIL

---

部分解决方案（如假设函数是线性的）也很受欢迎。

理想化的

numpy

使用滑动窗口的方法是构建4D阵列

C.shape = (N,M,3,3)

在哪里

写下你的函数，在最后2维上做一些简化<代码>总和或

平均值

将是典型的，例如

B = C.sum(axis=(2,3))

其他的SO问题展示了如何使用

np.lib.stride\u技巧.as\u stride

来构造这样一个数组。但是只有一个3x3的子阵列，它可能会同样快地做一些类似的事情

C = np.zeros((N,M,3,3))
C[:,:,0,0] = a[:-1,:-1]
etc.

（或使用

hstack

和

vstack

达到相同效果）

但是这种跨越式方法有一个好处（或者可能不是很好），那就是它不需要复制

a

的任何数据，它只是一个视图

至于将作业拆分为多个部分，我可以想象使用

C

（在前两个维度上）的切片，例如

---

你是说像滚动/移动窗口或过滤器？此链接中的示例用于二维数组上3x3窗口的求和，听起来像其他一些SO问题，大多数使用术语

滑动窗口

（或移动）。尽管大多数关注的是在窗口上迭代，而不是在线程或进程之间拆分任务。

C = np.zeros((N,M,3,3))
C[:,:,0,0] = a[:-1,:-1]
etc.

 C[0:100,0:100,:,:].sum(axis=(2,3))