基于滑动窗口的NumPy近邻线性拟合实现问题求助

针对你80×80二维数组的滑动窗口polyfit需求，这里提供两种实现方案：

一、直观嵌套循环实现（易理解，适合小数据量） #

这个方案直接遍历每个索引，手动提取3×3窗口（中心+8邻域），适合快速验证逻辑：

import numpy as np

# 生成示例数据（替换成你的真实数组）
a1 = np.random.rand(80, 80)
a2 = np.random.rand(80, 80)

# 初始化结果数组
coeffs = np.zeros_like(a1)
intercepts = np.zeros_like(a1)

rows, cols = a1.shape

for i in range(rows):
    for j in range(cols):
        # 计算窗口的起止索引（处理边缘，避免越界）
        row_start = max(0, i - 1)
        row_end = min(rows, i + 2)  # 左闭右开，所以i+1的下一个是i+2
        col_start = max(0, j - 1)
        col_end = min(cols, j + 2)
        
        # 提取窗口并扁平化
        a1_slice = a1[row_start:row_end, col_start:col_end].flatten()
        a2_slice = a2[row_start:row_end, col_start:col_end].flatten()
        
        # 执行线性拟合
        model = np.polyfit(a1_slice, a2_slice, 1)
        
        # 保存系数和截距
        coeffs[i, j] = model[0]
        intercepts[i, j] = model[1]

注意：边缘位置的窗口不足9个样本（比如左上角只有4个），np.polyfit会自动处理这种情况，但结果可能和中心区域有差异，若需要统一3×3窗口，可先对数组做填充。

二、高效批量实现（基于滑动窗口视图+线性代数公式，适合大数据量） #

利用NumPy的滑动窗口视图快速生成所有窗口，再用线性回归的代数公式批量计算系数，避免循环，效率提升明显：

import numpy as np

a1 = np.random.rand(80, 80)
a2 = np.random.rand(80, 80)

# 对数组做1层填充，确保边缘位置也有完整3×3窗口
# 填充模式可选：constant(补0)、edge(延用边缘值)、reflect(镜像填充)等
padded_a1 = np.pad(a1, pad_width=1, mode='constant')
padded_a2 = np.pad(a2, pad_width=1, mode='constant')

# 生成所有3×3滑动窗口，重塑为(80,80,9)的形状（每个位置对应9个样本）
windows_a1 = np.lib.stride_tricks.sliding_window_view(padded_a1, window_shape=(3, 3)).reshape(80, 80, 9)
windows_a2 = np.lib.stride_tricks.sliding_window_view(padded_a2, window_shape=(3, 3)).reshape(80, 80, 9)

# 批量计算线性回归所需的统计量
n = 9  # 每个窗口的样本数
sum_x = windows_a1.sum(axis=2)
sum_y = windows_a2.sum(axis=2)
sum_xy = (windows_a1 * windows_a2).sum(axis=2)
sum_x2 = (windows_a1 ** 2).sum(axis=2)

# 计算斜率（系数）和截距，避免除以零的情况
m_denominator = n * sum_x2 - sum_x ** 2
coeffs = np.where(m_denominator != 0, (n * sum_xy - sum_x * sum_y) / m_denominator, 0)
intercepts = (sum_y - coeffs * sum_x) / n

优势：

• 避免嵌套循环，计算速度远快于循环实现
• 统一使用完整3×3窗口，结果一致性更好
• 可通过修改pad_width和window_shape适配不同窗口大小

内容的提问来源于stack exchange，提问作者TornadoEric