如何在Python中将3024x4032x3三维数组重塑为nx20x20x3四维数组？

方法一：使用skimage的view_as_windows（推荐） #

view_as_windows是专门处理滑动窗口的工具，无需手动计算步长，生成的是原数组的视图（不占用额外内存），效率很高。

import numpy as np
from skimage.util import view_as_windows

# 假设img是已读取的(H, W, 3)格式NumPy数组
H, W, _ = img.shape
window_size = (20, 20)

# 生成滑动窗口，step=1表示窗口每次移动1个像素
windows = view_as_windows(img, window_shape=(20, 20, 3), step=1)

# 将形状为(H-19, W-19, 20, 20, 3)的数组转为四维数组（子块总数, 20, 20, 3）
four_d_array = windows.reshape(-1, 20, 20, 3)

方法二：纯NumPy实现 #

通过np.lib.stride_tricks.as_strided手动构造滑动窗口视图，需要计算数组的步长参数：

import numpy as np

# 假设img是已读取的(H, W, 3)格式NumPy数组
H, W, _ = img.shape
window_h, window_w = 20, 20

# 计算各维度的步长（字节数）
strides = img.strides + img.strides[:2]
# 定义输出形状：(窗口行数, 窗口列数, 窗口高, 窗口宽, 通道数)
output_shape = (H - window_h + 1, W - window_w + 1, window_h, window_w, 3)

# 生成滑动窗口视图
windows = np.lib.stride_tricks.as_strided(img, shape=output_shape, strides=strides)
# 转为四维数组
four_d_array = windows.reshape(-1, 20, 20, 3)

补充说明 #

• 如果需要调整窗口滑动步长，只需修改view_as_windows的step参数（或手动调整output_shape的计算逻辑），比如步长设为2时，子块数量会相应减少。
• 两种方法生成的四维数组，每个元素都是原图像上的20x20x3子块，顺序为从左到右、从上到下滑动得到的结果。

内容的提问来源于stack exchange，提问作者Skywalker