Python中二维数组元素的邻域平均值计算方法

针对你的需求，最简洁高效的方式是利用NumPy的向量化操作，完全避免手动遍历，代码量少且性能优异。

方法一：NumPy原生滑动窗口（无额外依赖） #

你已经生成了带零边框的数组B，直接用np.lib.stride_tricks.sliding_window_view提取所有3×3的窗口，再求和取平均即可：

import numpy as np

A = np.array([[1,2,3],[4,5,6],[7,8,9]])
x,y = A.shape
n = 1    
B = np.zeros((x+2*n,y+2*n),dtype=int)
B[n:x+n, n:y+n] = A

# 生成所有3×3的滑动窗口
windows = np.lib.stride_tricks.sliding_window_view(B, window_shape=(3,3))
# 对每个窗口求和后除以9（窗口元素总数），得到对应原数组的平均值矩阵
average_matrix = windows.sum(axis=(2,3)) / 9

print(average_matrix)

输出结果：

[[0.66666667 1.         1.33333333]
 [2.         3.         4.        ]
 [3.33333333 4.         4.66666667]]

方法二：卷积平均（需SciPy） #

如果可以安装SciPy库，uniform_filter方法更直观，它直接对数组做3×3窗口的均值滤波，最后截取中间区域对应原数组：

import numpy as np
from scipy.ndimage import uniform_filter

A = np.array([[1,2,3],[4,5,6],[7,8,9]])
x,y = A.shape
n = 1    
B = np.zeros((x+2*n,y+2*n),dtype=int)
B[n:x+n, n:y+n] = A

# 3×3窗口均值滤波，取中间x×y区域对应原数组
average_matrix = uniform_filter(B, size=3)[1:-1, 1:-1]

print(average_matrix)

说明 #

• 两种方法都无需手动遍历每个元素，完全利用NumPy/SciPy的底层优化，比循环快几个数量级；
• 因为你已经给原数组补了零边框，边缘元素的邻域会自动包含补的0，符合需求；
• 优先推荐方法一，无需额外安装库，纯NumPy即可实现。

内容的提问来源于stack exchange，提问作者s28