Python 有没有办法优化矩阵与一组样本的比较？

这是一个3D相机对场景的深度贴图进行流式处理的情况。相机的分辨率已知并等于（w，h），在本例中，该分辨率设置为（3，2）

我试着用一袋样品来比较每一个新的框架。每个像素具有相同数量的要与之进行比较的样本，在本示例中，这些样本已知且等于4。样品袋具有以下形状（w、h、nb_样品），其在本例中等于（3、2、4）

我从0循环到nb_sample，将新帧与样本进行比较。如果差值大于阈值R，则计数器递增

问题是：有没有办法优化循环

import numpy as np

w = 3
h = 2
nb_sample = 4
R = 0.5

new_matrix = np.random.rand(w,h)

sample = np.random.rand(w, h, nb_sample)

count = np.zeros((w,h))

for index in range(0, nb_sample):
    distance = np.abs(new_matrix - sample[:, :, index])
    count[distance < R] += 1

print(count)

将numpy导入为np
w=3
h=2
nb_样本=4
R=0.5
新矩阵=np.random.rand（w，h）
样本=np.rand.rand（w，h，nb_样本）
计数=np.零（（w，h））
对于范围内的索引（0，nb_样本）：
距离=np.abs（新矩阵-样本[：，：，索引]）
计数[距离

尝试以下两行解决方案：

distance = np.abs(sample - new_matrix[:,:,np.newaxis])
np.sum(distance < R, axis = -1)

distance=np.abs（示例-new_矩阵[：，：，np.newaxis]）
np.和（距离

说明：

通过使用

np将维度添加到
new_矩阵
。newaxis

numpy可以使用

-

操作计算

示例

中每个矩阵的差值

然后，距离的计算方法与代码中的相同

True

和

False

在python中表示为

1

和

0

，这就是为什么它们可以沿着右轴简单地相加