Python 嵌套for循环的矢量化

我需要矢量化两个嵌套的for循环，但不知道怎么做。一个用于灰度图像，一个用于彩色图像。我想用kuwahara过滤器过滤图像。下面的代码是我需要矢量化以获得快速函数的最后一步

• 阵列img_kuwahara的形状为mxn或mxnx3（彩色图像）
• 数组索引_min的形状为mxn
• 阵列平均值的形状为4xmxn（灰度）或3xmxn（颜色）

我需要从mean数组中得到正确的值，然后放入img_kuwahara数组

作为示例数据，您可以使用以下数组：

索引\u min=np.数组（[[0,1,1,2,3]，[3,3,2,2]，[2,3,3,0,2]，[0,1,1,0,3]，[2,1,3,0,0]）

平均值=np.random.randint（0,256，大小=（4,5,5））（灰度图像）

平均值=np.random.randint（0,256，大小=（3,4,5,5））（彩色图像）

行=5，列=5

谢谢你的帮助

# Edit gray scale image
if len(image.shape) == 2:

    # Set result image
    img_kuwahara = np.zeros((row, columns), dtype=imgtyp)

    for k in range(0, row):
        for i in range(0, columns):
            img_kuwahara[k, i] = mean[index_min[k, i], k, i]



# Edit color image
if len(image.shape) == 3:

    # Set result image
    img_kuwahara = np.zeros((row, columns, 3), dtype=imgtyp)

    for k in range(0, row):
        for i in range(0, columns):
            img_kuwahara[k, i, 0] = mean[0][index_min[k, i], k, i]
            img_kuwahara[k, i, 1] = mean[1][index_min[k, i], k, i]
            img_kuwahara[k, i, 2] = mean[2][index_min[k, i], k, i]

---

第一个循环可以使用以下方法进行矢量化：

第二个循环可以通过使用附加的（假设

mean

在这种情况下实际上是一个4D数组，而不是一个3D数组列表；否则只需转换它）：

除了

np.meshgrid

之外，您还可以使用（支持更自然的语法）：

---

你有一些可以发布的样本数据吗？

j, i = np.meshgrid(range(columns), range(rows))
img_kuwahara = mean[index_min[i, j], i, j]

j, i = np.meshgrid(range(columns), range(rows))
img_kuwahara = np.moveaxis(mean, 0, -1)[index_min[i, j], i, j]

i, j = np.mgrid[:rows, :columns]