背景
复现Retinex算法时看别人代码发现一句：
im_blur[s, :, :, channel] = 这里的代码不重要
np.mean(im_blur, 0)变量im_blur在这里是一个高维numpy数组，上面的代码对im_blur赋值后又对其某个轴求了平均值。虽然能明白作者的意图，但高位数组加上求平均就给我看得有点懵，特此记录。
np.mean
先来看Numpy官网对mean函数参数的定义：
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>, *, where=<no value>)只说本文感兴趣的前两个变量。第一个变量a就不说了；第二个变量axis表示所求平均值对应的轴。
假定存在一个高维np数组a，定义为：
a = np.array([[[[1, 1, 1], [1, 1, 1]],[[2, 2, 2], [2, 2, 2]], [[3, 3, 3], [3, 3, 3]]]，
[[[4, 4, 4], [4, 4, 4]],[[6, 6, 6], [6, 6, 6]], [[8, 8, 8], [8, 8, 8]]]])显然a是一个形状为[2, 3, 2, 3]的四维数组，那么在np.mean函数的axis参数中，有四个轴可选：axis = 0, 1, 2, 3；如果a为五位数组，那么axis参数有五个轴可选axis = 0, 1, 2, 3, 4；更高维度以此类推。本文以四维上面的四维数组为例：
定义数组a:
可以看到数组形状为dim_range = (2, 3, 2, 3)，形状对应的axis命名为axis = (0, 1, 2, 3)
- 当
dim_range = 2, axis = 0时， - 可以看到求平均后的输出形状正好对应数组
a去掉0轴之后的形状，也就是说，此时对数组a求的平均，是将a[0, :, :, :]与a[1, :, :, :]对应位置相加除以元素个数得到的输出，即： - 将上图中每个红色矩形框中，两个对应的数组相加除2得到的结果。
- 当
dim_range = 3, axis = 1时， - 可以看到求平均后的输出形状正好对应数组
a去掉1轴之后的形状，也就是说，此时对数组a求的平均，是将a[:, 0, :, :]，a[: , 1, :, :]，a[: , 2, :, :]对应位置相加除以元素个数得到的输出，即：
即 ([1, 1, 1] + [2, 2, 2] + [3, 3, 3]) / 3 = [2, 2, 2]
- 当
dim_range = 2, axis = 2时，
可以看到求平均后的输出形状正好对应数组a去掉2轴之后的形状，也就是说，此时对数组a求的平均，是将a[:, :, 0, :]，a[:, :, 1, :]对应位置相加除以元素个数得到的输出
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
