用於隨機圖像裁剪的高效Numpy 切片
用於從表示多個彩色圖像的4D Numpy 數組中高效裁剪隨機16x16區塊（其中第一個維度是影像的數量，第二個和第三個維度是相等的寬度和高度），可以使用基於跨步的方法。
利用 np.lib.stride_tricks.as_strided 或 scikit- image 的 view_as_windows
這些方法創建滑動視窗作為輸入數組的視圖，從而減少內存開銷。 Scikit-image 的 view_as_windows 透過將視窗形狀指定為元組（其元素對應於輸入數組的維度）來簡化設定。滑動的軸指定視窗長度，其他軸設定為 1。
程式碼範例
<code class="python"># Import scikit-image for view_as_windows from skimage.util.shape import view_as_windows # Get sliding windows w = view_as_windows(X, (1,16,16,1))[...,0,:,:,0] # Generate random per-image offsets x = np.random.randint(0,12,X.shape[0]) y = np.random.randint(0,12,X.shape[0]) # Index and extract specific windows out = w[np.arange(X.shape[0]),x,y] # Reformat if necessary out = out.transpose(0,2,3,1)</code>
此程式碼產生四個隨機(x_offset, y_offset) 對並在給定參數內以最小的記憶體開銷提取4 個隨機16x16 補丁。
以上是如何使用基於跨步的切片從 4D Numpy 數組中有效地裁剪隨機圖像補丁？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
