我在使用一个形状为[nLambda,nX,nY]的3D数据立方体和一个形状为[nLambda,3]的滤波器进行卷积。我已经成功地将其应用于这种情况,但我需要在大量被保存为[nt,nLambda,nX,nY]的立方体上重复此过程。我想扩展我的代码来应对这种情况,但我一直搞乱了平铺的过程。有没有人知道如何做到这一点?
我的当前程序执行以下操作:
datacube.shape = [21,100,100]
filters.shape = [21,3]
data_collapsed.shape = [100,100,3]
我希望它能够执行
datacube.shape = [10,21,100,100]
filters.shape = [21,3]
data_collapsed.shape = [10,100,100,3]
我用于 3D 方块的代码
nl,nx,ny = datacube.shape
filter_rgb = np.tile(filters, (ny,nx,1,1))
filter_rgb = np.swapaxes(filter_rgb, 0,2)
data_rgb = np.tile(datacube,(3,1,1,1))
data_rgb = np.swapaxes(data_rgb,0,-1)
data_filtered = data_rgb * filter_rgb
data_collapsed = np.sum(data_filtered, axis=0)