在python2.7中用numpy.reshape 對(duì)圖像進(jìn)行切割的方法
遇到這么個(gè)需求：把圖片按照定義的patchsize切塊，然后按照z軸順序疊放小塊，如下圖(僅考慮灰度圖像)
圖片im，設(shè)size為（h，w），patchsize為（ph，pw），則處理后大小（為簡(jiǎn)化描述，假設(shè)可以整除）為（ph，pw，w*h/ph/pw）。
為簡(jiǎn)化描述，后面用h=300，w=300，ph=100，pw=100 為例，即處理后d=9。
numpy.reshape 的文檔：點(diǎn)擊打開(kāi)鏈接
特別注意第三個(gè)參數(shù) order，其默認(rèn)取值為 order=‘C'，表示最后一個(gè)維度的元素在reshape時(shí)優(yōu)先重排位置。而order=‘F'時(shí)則相反，第一個(gè)維度的元素優(yōu)先重排位置。
例子如下，得到的im2就是這么一個(gè)tensor
import cv2
import numpy as np
im=cv2.imread('animal007.jpg',cv2.IMREAD_GRAYSCALE)
h= 300
w= 300
patchsize=100
d=h*w/patchsize/patchsize
print d
#crop the image to h x w
im=np.array(im[: h ,: w ])
#this gets wrong answer
im_wrong1=im.reshape((patchsize,patchsize,-1))
im_wrong7= im.reshape((patchsize,patchsize,-1),order='F')
im_wrong2=im.reshape(( h ,patchsize,-1)).reshape((patchsize,patchsize,-1))
im_wrong3=im.reshape((patchsize, w ,-1)).reshape((patchsize,patchsize,-1))
im_wrong4= im.reshape(( h ,patchsize,-1),order='F').reshape((patchsize,patchsize,-1))
im_wrong5= im.reshape(( h ,patchsize,-1),order='F').reshape((patchsize,patchsize,-1),order='F')
im_wrong6= im.reshape((patchsize, w ,-1),order='F').reshape((patchsize,patchsize,-1),order='F')
#this only works for h=w, i dont know why
im2= im.reshape((patchsize, w ,-1),order='F').reshape((patchsize,patchsize,-1))
im2_0=im2[:,:,no]
cv2.imwrite('im2_0.jpg',im2_0)
no=4;
imw=im_wrong1[:,:,no]
cv2.imwrite('imw1_0.jpg',imw)
imw=im_wrong2[:,:,no]
cv2.imwrite('imw2_0.jpg',imw)
imw=im_wrong3[:,:,no]
cv2.imwrite('imw3_0.jpg',imw)
imw=im_wrong4[:,:,no]
cv2.imwrite('imw4_0.jpg',imw)
imw=im_wrong5[:,:,no]
cv2.imwrite('imw5_0.jpg',imw)
imw=im_wrong6[:,:,no]
cv2.imwrite('imw6_0.jpg',imw)
imw=im_wrong7[:,:,no]
cv2.imwrite('imw7_0.jpg',imw)
以上這篇在python2.7中用numpy.reshape 對(duì)圖像進(jìn)行切割的方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
HMAC?算法可用于驗(yàn)證在應(yīng)用程序之間傳遞或存儲(chǔ)在潛在易受攻擊位置的信息的完整性，因此本文為大家整理了一些Python中HMAC加密算法的應(yīng)用，希望對(duì)大家有所幫助2023-05-05
這篇文章主要介紹了Python安裝Bs4及使用方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04
解決pandas.DataFrame.fillna 填充N(xiāo)an失敗的問(wèn)題
今天小編就為大家分享一篇解決pandas.DataFrame.fillna 填充N(xiāo)an失敗的問(wèn)題。具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-11-11
這篇文章主要介紹了Python如何把字典寫(xiě)入到CSV文件的方法示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
python CMD命令行傳參實(shí)現(xiàn)方法(argparse、click、fire)
這篇文章主要介紹了python CMD命令行傳參實(shí)現(xiàn)方法(argparse、click、fire),本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),感興趣的朋友跟隨小編一起看看吧2024-07-07
PyTorch?Dataset與DataLoader使用超詳細(xì)講解
用于處理數(shù)據(jù)樣本的代碼可能會(huì)變得凌亂且難以維護(hù)；理想情況下，我們希望數(shù)據(jù)集代碼與模型訓(xùn)練代碼解耦，以獲得更好的可讀性和模塊化。PyTorch提供的torch.utils.data.DataLoader和torch.utils.data.Dataset允許你使用預(yù)下載的數(shù)據(jù)集或自己制作的數(shù)據(jù)2022-10-10
Python進(jìn)制轉(zhuǎn)換與反匯編實(shí)現(xiàn)流程介紹
這篇文章主要介紹了Python進(jìn)制轉(zhuǎn)換與反匯編的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)吧2022-10-10
這篇文章主要介紹了關(guān)于python中的xpath解析定位，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03
python實(shí)現(xiàn)簡(jiǎn)單五子棋游戲
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡(jiǎn)單五子棋游戲，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2019-06-06
Python中字符串類(lèi)型代碼的執(zhí)行函數(shù)——eval()、exec()和compile()詳解
這篇文章主要介紹了Python中字符串類(lèi)型代碼的執(zhí)行函數(shù)——eval()、exec()和compile(),字符串類(lèi)型代碼的執(zhí)行函數(shù)有三個(gè)，都是Python的內(nèi)置函數(shù)，下面逐一對(duì)這三個(gè)函數(shù)詳細(xì)講解，需要的朋友可以參考下2023-02-02