咨询Python对10000张图像矩阵逐相邻两张平均降采样影片帧率的方法

• 前提说明：假设你已将10000张图像整合为numpy数组video_matrix，维度格式为(总帧数, 图像高度, 图像宽度, 通道数)；灰度图像无最后一维通道数，逻辑通用。如果你的矩阵维度顺序不同，可先用np.transpose调整为帧数在前的格式。

实现方式1：新手友好的循环版 #

逻辑直观易理解，方便调试修改：

import numpy as np

# 替换为你自己的图像矩阵即可
# 示例生成测试矩阵：video_matrix = np.random.randint(0, 256, size=(10000, 720, 1280, 3), dtype=np.uint8)
frame_count, h, w, channel = video_matrix.shape
# 总帧数为奇数时自动丢弃最后一帧，不需要可自行调整逻辑
output_frame_count = frame_count // 2
# 用float类型存储中间结果避免数值溢出
output_arr = np.zeros((output_frame_count, h, w, channel), dtype=np.float32)

for i in range(output_frame_count):
    frame_a = video_matrix[2*i].astype(np.float32)
    frame_b = video_matrix[2*i + 1].astype(np.float32)
    output_arr[i] = (frame_a + frame_b) / 2

# 转换回和原始数据一致的整型，16位图像请替换为np.uint16
output_arr = np.round(output_arr).astype(np.uint8)

实现方式2：向量化高效版 #

无需循环，通过numpy维度变换批量计算，处理10000帧的速度比循环版快数十倍，推荐生产环境使用：

import numpy as np

# 维度重排：将10000帧拆分为5000组，每组2帧
grouped_frames = video_matrix.reshape(-1, 2, video_matrix.shape[1], video_matrix.shape[2], video_matrix.shape[3])
# 对每组的两帧求平均后转整型，16位图像替换为np.uint16
output_arr = grouped_frames.mean(axis=1).round().astype(np.uint8)

补充说明：如果需要将处理后的帧导出为文件，直接遍历output_arr调用Image.fromarray保存即可，逻辑和你提供的参考代码末尾导出部分一致。

内容的提问来源于stack exchange，提问作者Souchan