Gibt es eine effizientere Implementierung der kernbasierten Filterung? ⇐ Python

[Anonymous]

Ich habe eine einfache Version des Kernel-basierten Faltungsvorgangs implementiert, wie unten gezeigt. Für einen schnelleren Code -Betrieb denke ich jedoch, dass der verschachtelte für die Loop den Betrieb verlangsamt. Gibt es eine schnellere Implementierung des Codes ohne die verschachtelte Schleife? < /P>

Code: Select all

def kernel_convolution(matrix,kernel):
if not isinstance(matrix, np.ndarray):
matrix = np.array(matrix)
n, m = matrix.shape

if not isinstance(kernel, np.ndarray):
kernel = np.array(kernel)
k = kernel.shape

matrix_to_kernel_is_correct = n >= k[0] and m >= k[1]
assert matrix_to_kernel_is_correct, 'Kernel can\'t be bigger than matrix in terms of shape.'

stride=(1,1)

h_out = np.floor((n - (k[0] - 1) -1) / stride[0] + 1).astype(int)
w_out = np.floor((m - (k[1] - 1) -1) / stride[1] + 1).astype(int)
out_dimensions_are_correct = h_out > 0 and w_out > 0
assert out_dimensions_are_correct, 'Can\'t apply input parameters, one of resulting output dimension is non-positive.'

matrix_out = np.zeros((h_out, w_out))

b = k[0] // 2, k[1] // 2

center_x_0 = b[0]
center_y_0 = b[1]

start=(0,0)
for i in range(h_out):
curr_start_x = start[0] + i * stride[0]
if curr_start_x