如何快速在1000×1000×3的NumPy数组中查找10×10×3子数组？

方法1：NumPy滑动窗口向量化实现 #

利用numpy.lib.stride_tricks.sliding_window_view生成所有可能的窗口，批量完成比较，完全避免循环，充分利用NumPy的向量化运算优势。

import numpy as np
from numpy.lib.stride_tricks import sliding_window_view

# 假设big（1000×1000×3）和small（10×10×3）已定义
H, W, _ = big.shape
h, w, _ = small.shape

# 生成所有与small尺寸匹配的滑动窗口，形状为 (H-h+1, W-w+1, h, w, 3)
windows = sliding_window_view(big, window_shape=(h, w, 3))
# 对每个窗口与small做全元素匹配，压缩最后三维的比较结果
matches = np.all(windows == small, axis=(2, 3, 4))
# 获取所有匹配位置的坐标
y_coords, x_coords = np.where(matches)

# 输出匹配位置
for y, x in zip(y_coords, x_coords):
    print(y, x)

方法2：OpenCV模板匹配（最快方案） #

OpenCV的matchTemplate底层经过高度优化，处理大尺寸3通道数组的速度远超纯NumPy实现，适合大规模数据场景。

import cv2
import numpy as np

# 注意：若你的数组是RGB格式，而OpenCV默认处理BGR，需先转换：big = cv2.cvtColor(big, cv2.COLOR_RGB2BGR)
result = cv2.matchTemplate(big, small, cv2.TM_CCOEFF_NORMED)
# 完全匹配时，归一化相关系数接近1，设置高阈值过滤
threshold = 0.9999
locations = np.where(result >= threshold)

# OpenCV返回的坐标是(x, y)，对应原数组的(j, i)，需转换顺序输出
for x, y in zip(*locations):
    print(y, x)

方法3：展平数组后批量比较 #

将窗口和小数组都展平为一维，通过计算平方差和来判断匹配，本质是方法1的变体，适合需要自定义匹配逻辑的场景。

import numpy as np
from numpy.lib.stride_tricks import sliding_window_view

H, W, _ = big.shape
h, w, _ = small.shape

# 将small展平为一维数组
small_flat = small.flatten()
# 生成所有窗口并展平，形状为 ((H-h+1)*(W-w+1), h*w*3)
windows_flat = sliding_window_view(big, (h, w, 3)).reshape(-1, h*w*3)
# 计算每个窗口与small的平方差之和，值为0表示完全匹配
diff_sum = np.sum((windows_flat - small_flat)**2, axis=1)
match_indices = np.where(diff_sum == 0)[0]

# 将一维索引转换为二维坐标
y_coords = match_indices // (W - w + 1)
x_coords = match_indices % (W - w + 1)

for y, x in zip(y_coords, x_coords):
    print(y, x)

内容的提问来源于stack exchange，提问作者dljve