python - Numpy:循环替代，优化

Question

由于我是 Numpy 的新手，我在实现我用 C++ 编写的特定代码时遇到了问题

for(i=0;i<h;i++)
{
    for(j=0;j<w;j++)
    {
        val=0;
        for(i1=-size;i1<=size;i1++)
        {
            for(j1=-size;j1<=size;j1++)
            {
                h1=i+i1,w1=j+j1;
                if (w1<=0) w1=w1+w;
                if (h1<=0) h1=h1+h;
                if (w1>=w) w1=w1-w;
                if (h1>=h) h1=h1-h;
                val=val+sqrt(pow(data[i][j][0]-data[h1][w1][0],2)
                            +pow(data[i][j][1]-data[h1][w1][1],2)
                            +pow(data[i][j][2]-data[h1][w1][2],2));
            }
        }
    }
}

如您所见，我基本上是为 [i,j] 元素添加欧氏距离，其中每个元素都是子矩阵 [i-size 到 i+size][j-size 到 j+size] 的一部分

我如何在 python 中编写代码，而不必使用循环对 numpy 数组中依赖于其行和列位置的每个元素执行某些操作。或者必须有一些优化它的方法。

这是我目前的实现，非常非常慢

for i in range(0,h):
    for j in range(0,w):
        for i1 in range(-window_size, window_size+1):
            for j1 in range(-window_size, window_size+1):
                h1=i+i1
                w1=j+j1
                if w1 <= 0:
                    w1+=w
                if  h1 <= 0:
                    h1+=h
                if w1 >= w:
                    w1-=w
                if h1 >= h:
                    h1-=h
                val[i][j] += np.sqrt(((source_pyr_down_3_Luv[i][j][0] - source_pyr_down_3_Luv[h1][w1][0])**2)
                                    +((source_pyr_down_3_Luv[i][j][1] - source_pyr_down_3_Luv[h1][w1][1])**2)
                                    +((source_pyr_down_3_Luv[i][j][2] - source_pyr_down_3_Luv[h1][w1][2])**2))

运行这段代码几乎花了 6 分钟。

Answer 1

访问子数组 im numpy 尝试:

data[i-size:i+size,j-size:j+size]

编辑此子数组(在本例中为每个元素简单 +1):

data[i-size:i+size,j-size:j+size] += 1

或获取另一个数组，其中包含 2 个数组(形状为 (n,2))的元素之间的距离:

data3 = np.sqrt(np.power(data1[:,0]-data2[:,0],2)+ np.power(data1[:,1]-data2[:,1],2))

我知道这不是一个完整的答案，但我希望它能帮助您入门。