Python 多重矩阵上的平滑滤波器？

通常，我会将平滑过滤器与二维图像相关联。 我在变量

x1

中有一组矩阵。形状的

（259,60,40）

其中每个

（60,40）

就像一个

BW

图像

我想知道是否有任何过滤器，我可以在不同的步幅或图像数量上应用过滤器之类的东西，并平滑这些值

例如：-

1 st Image         2 nd Image                      Result
0 0 0 1 1 0 0     0 0 0 1 1 0 0                  0 0 0 1 1 0 0
0 0 1 1 1 0 0     0 0 0 1 1 0 0  some operation  0 0 1 1 1 0 0
0 0 1 1 0 0 0 --->0 0 0 1 1 0 0    ----- >       0 0 0 1 1 0 0
0 0 0 0 0 0 0     0 0 0 0 0 0 0                  0 0 0 0 0 0 0
0 0 0 0 0 1 0     0 0 0 0 0 0 0                  0 0 0 0 0 0 0
0 1 0 0 0 1 0     0 1 0 0 1 0 0                  0 0 0 0 0 0 0

像这样的一些操作，但我可以改变图像的数量和这个过滤器的强度

import os
import sys
import numpy as np
from numpy import zeros, newaxis
import io
import math

f = open('/media/anilil/Data/Datasets/repo/txt_op/vid.txt','r')
x = np.loadtxt(f,dtype=np.uint8,comments='#',delimiter='\t')
nof = x.shape[0]/72 # Find the number of frames
x1 = x.reshape(-1,60,40)

---

据我所知，示例

过滤器只是一个基于内核的操作，应用于矩阵中的每个位置。现在，您需要使用另一张图片的输入。我想你可以只计算两个独立的内核（每张图片一个），然后把它们加在一起？3D卷积应该符合你的描述（即，使用你设计的3D内核和你的图像堆栈作为3D数组）。明白你的意思了。。我可以把这些图像排列成一个3d阵列，并用不同大小和排列的内核进行实验。。只是想知道是否有类似的/记录良好的例子或有类似问题的人。。如果你找到更好的解决方案，一定要告诉我：-）