可以通过重塑和交换轴，然后在所有内核元素上重复这样来更快地完成操作，如下所示：
im = np.arange(81).reshape(9,9)print np.swapaxes(im.reshape(3,3,3,-1),1,2)
这为您提供了一个3 * 3的瓷砖阵列，这些瓷砖在整个表面上进行镶嵌处理：
[[[[ 0 1 2] [[ 3 4 5] [[ 6 7 8] [ 9 10 11] [12 13 14] [15 16 17] [18 19 20]] [21 22 23]] [24 25 26]]] [[[27 28 29] [[30 31 32] [[33 34 35] [36 37 38] [39 40 41] [42 43 44] [45 46 47]] [48 49 50]] [51 52 53]]] [[[54 55 56] [[57 58 59] [[60 61 62] [63 64 65] [66 67 68] [69 70 71] [72 73 74]] [75 76 77]] [78 79 80]]]]
要使用的组合得到重叠的瓷砖，我们需要重复这个8进一步倍，但“包装”的阵列，
vstack和
column_stack。请注意，右侧和底部的图块数组会环绕（可能不是您想要的，取决于您如何处理边缘条件）：
im = np.vstack((im[1:],im[0]))im = np.column_stack((im[:,1:],im[:,0]))print np.swapaxes(im.reshape(3,3,3,-1),1,2)#Output:[[[[10 11 12] [[13 14 15] [[16 17 9] [19 20 21] [22 23 24] [25 26 18] [28 29 30]] [31 32 33]] [34 35 27]]] [[[37 38 39] [[40 41 42] [[43 44 36] [46 47 48] [49 50 51] [52 53 45] [55 56 57]] [58 59 60]] [61 62 54]]] [[[64 65 66] [[67 68 69] [[70 71 63] [73 74 75] [76 77 78] [79 80 72] [ 1 2 3]] [ 4 5 6]] [ 7 8 0]]]]
这样，您将获得9组数组，因此需要将它们压缩在一起。这以及所有重塑都适用于此（对于尺寸可被3整除的数组）：
def new(im): rows,cols = im.shape final = np.zeros((rows, cols, 3, 3)) for x in (0,1,2): for y in (0,1,2): im1 = np.vstack((im[x:],im[:x])) im1 = np.column_stack((im1[:,y:],im1[:,:y])) final[x::3,y::3] = np.swapaxes(im1.reshape(rows/3,3,cols/3,-1),1,2) return final
比较此
new功能与使用循环遍历所有切片（下图）（
timeit对于300 * 300阵列而言，快约4倍）。
def old(im): rows,cols = im.shape s = [] for x in xrange(1,rows): for y in xrange(1,cols): s.append(im[x-1:x+2,y-1:y+2]) return s
