您的方法适用于以下更改：

window = np.lib.stride_tricks.sliding_window_view(tiff_array, (3,3))
P11 = np.zeros([3,3])

for block in window.reshape(-1, 3, 3):
    if block[1,1]==1:
        if block[1,1]-1==1 and block[1,1]-1==1:
            P11[0,0]=P11[0,0]+1

字符串
我不知道你真正需要做什么，但这种风格的矢量化方法通常更好：

t11 = tiff_array[1:-1, 1:-1]
ones = t11 == 1
P11[0, 0] = ones.sum()
...

型
t11只是原始数组的一个视图，所以它不会占用额外的内存。

对于较小的起始数组：

In [17]: arr = np.random.randint(1,4,(6,6))    
In [18]: arr
Out[18]: 
array([[1, 1, 2, 2, 2, 1],
       [3, 2, 3, 2, 1, 1],
       [2, 2, 3, 3, 1, 1],
       [1, 2, 3, 3, 1, 1],
       [3, 2, 3, 2, 3, 1],
       [1, 3, 2, 1, 2, 1]])

In [19]: window = np.lib.stride_tricks.sliding_window_view(arr, (3,3))    
In [20]: window.shape
Out[20]: (4, 4, 3, 3)

字符串
各中心：

In [21]: window[:,:,1,1]
Out[21]: 
array([[2, 3, 2, 1],
       [2, 3, 3, 1],
       [2, 3, 3, 1],
       [2, 3, 2, 3]])

型
计算它们很容易：

In [22]: (window[:,:,1,1]==1).sum()
Out[22]: 3

型
正如我所说，我不知道你在总结什么。
但是让我们猜一猜，至少看看在块上迭代应该如何工作：

In [26]: P=np.zeros((3,3),int)
In [27]: for i in range(window.shape[0]):
    ...:     for j in range(window.shape[1]):
    ...:         block = window[i,j]
    ...:         if block[1,1]==1:
    ...:             print(block[0,1],block[2,1])
    ...:             P += block
    ...:             
2 1
1 1
1 3

In [28]: P
Out[28]: 
array([[7, 4, 3],
       [8, 3, 3],
       [8, 5, 3]])

型
眯着眼往旁边看，我几乎可以想象

if block[1,1]==1:
    if block[1,1]-1==1 and block[1,1]-1==1:

型
只是意味

block[1,1]==1 and block[1,0]==1 and block[1,2]==1
(block[1,:]==1).all()

型
也就是说，每个块的整行都是1

In [66]: P=np.zeros((3,3),int)
    ...: for i in range(window.shape[0]):
    ...:     for j in range(window.shape[1]):
    ...:         block = window[i,j]
    ...:         if (block[1,:]==1).all():
    ...:             P[:] += block
    ...: P            
Out[66]: 
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

型
在我的小样本中，没有任何大小为3的1序列。