如何使用 numpy 在二维数组上执行最大/平均池化

给定一个 2D(M x N) 矩阵和一个 2D 内核(K x L)，我如何返回一个矩阵，该矩阵是使用图像上给定内核进行最大或平均池化的结果？

如果可能的话我想使用 numpy。

注意：M、N、K、L 可以是偶数也可以是奇数，并且它们不需要彼此完全整除，例如：7x5 矩阵和 2x2 内核。

例如最大池化：

matrix:
array([[  20,  200,   -5,   23],
       [ -13,  134,  119,  100],
       [ 120,   32,   49,   25],
       [-120,   12,   09,   23]])
kernel: 2 x 2
soln:
array([[  200,  119],
       [  120,   49]])

你可以使用 scikit-image块减少 http://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.block_reduce:

import numpy as np
import skimage.measure

a = np.array([
      [  20,  200,   -5,   23],
      [ -13,  134,  119,  100],
      [ 120,   32,   49,   25],
      [-120,   12,    9,   23]
])
skimage.measure.block_reduce(a, (2,2), np.max)

Gives:

array([[200, 119],
       [120,  49]])