给定一个HxW二进制图像(表示为numpy 2d数组(和D(整数(，我想输出另一个HxW2d数组，其中每个(i, j)索引存储二进制图像中1像素的数量，这些像素最多为(i, j)的D行或列(基本上，L1意义上最多为D像素(。
当然，我可以通过将二进制图像与DxD全一平方进行卷积来实现这一点，但例如，使用scipy.signal.convolve2d似乎相当慢。此外，我的D可能相当大(例如，对于大小为2600x1900的图像为256(。还有其他建议吗？
DxD平方是一个可分离的滤波器核——将图像与DxD的平方进行卷积，与将每行与D1s的行进行卷积，然后将结果的每列与D1s列进行卷积相同。这将问题从O(H*W*D*D(减少到O(H*W*D(。
但是，具有D1s的行或列的1d卷积可以实现为(单级(级联积分器梳状滤波器。这将问题的复杂性从O(H*W*D(降低到O(H*W(。
在计算上，这与@Cris Luengo在评论中建议的类似，但它可以在没有额外内存的情况下就地实现。