Question

上下文

我正在使用带有Numpy的Python实现2D离散傅里叶变换算法。根据图像处理理论，为了使图像的变换居中，在执行变换之前，需要将图像的每个强度f（x，y）乘以（-1）^（x + y），其中x和y是强度的指标以二维数组表示图像。

尝试过的事情

显而易见的方法是使用两个for循环遍历每个强度及其指标。

问题

是否有使用Python / Numpy矩阵运算的更优雅/更快的解决方案，还是我应该坚持两个for循环？

Answer 1

惯用的方式是：

y,x = np.ogrid[:m,:n]
prefactor = (-1)**(y+x)

m,n当然是操作数数组的尺寸。