文章/答案/技术大牛

发布

社区首页 >问答首页 >100 x100 python块背面图像的分解和收集

问100 x100 python块背面图像的分解和收集
EN

Stack Overflow用户

提问于 2018-05-20 03:29:28

回答 2查看 747关注 0票数 1

我有一个图像数组，我需要将它分解成100×100块，然后用它进行操作后收集回原来的图像。问题:我不能把东西拿回来，我有这样的东西，

但真实图像是800x800

我的代码：

获取img作为数组，删除三维

path_to_image = './la3.jpg'
image_array = plt.imread(path_to_image)
image_array = image_array[:, :, 0]

用新的数组片段100x100编写(工作正常)：

main2_array = np.zeros(10000,)
for row in tqdm_notebook(range(0,8)):

    for col in range(0,8):
        main2_array = np.vstack((main2_array, image_array[0 + (100*row):100 + (100*row) ,0 + (100*col):100 + (100*col)].flatten()))

main2_array = np.delete(main2_array, main2_array[0] , axis=0  )

把碎片收集回来(它不起作用)

main_array = np.zeros(100,)

for p in tqdm_notebook(range(0,100)):
    for i in range(0,64):
        main_array = np.vstack((main_array, main2_array[0 + (10000*i) + (100*p): 100 + (10000*i) + (100*p)]))

main_array = np.delete(main_array, main_array[0] , axis=0  )

我收集了一些东西之后

image

numpy

python

arrays

回答 2

Stack Overflow用户

回答已采纳

发布于 2018-05-20 05:14:56

假像

x, y = 800,800
img_array = np.arange(x*y).reshape((x,y))

解构之后，main2_array.shape是(64,10000)；每一行都是一个扁平的100x100修补程序。在解构过程中，您从左到右、从上到下遍历图像，并将每个补丁滑动到前面的修补程序下面.

为了重建这一过程：

main_array = np.zeros((x,y))
for n, patch in enumerate(main2_array):
    patch = patch.reshape(100,100)
    # eight patches per row
    row, col = divmod(n, 8)
    row_offset, col_offset = row*100, col*100
    row_slice = slice(row_offset, 100 + row_offset)
    col_slice = slice(col_offset, 100 + col_offset)
    #print(np.all(patch == image_array[row_slice,col_slice]))
    main_array[row_slice, col_slice] = patch


>>> np.all(main_array == img_array)
True
>>>

或者你可以重新塑造你的方式回到原来的

>>> b = main2_array.reshape(8,8,100,100)
>>> b[0,1].shape    # row zero column 1? 
(100, 100)
>>> np.all(b[0,1] == a[0:100, 100:200])
True
>>> 
>>> c = np.swapaxes(b, 1,2)
>>> c.shape
(8, 100, 8, 100)
>>> np.all(c[0,:,1,:] == a[0:100, 100:200])    # row zero column 1? 
True
>>> d = c.reshape(800,800)
>>> np.all(d==img_array)
True
>>>

票数 0

Stack Overflow用户

发布于 2018-05-21 10:02:41

有点晚了，但我认为这个问题应该得到一个更直观的答案。

您不需要慢循环，您可以通过numpy整形和奇特的索引来完成这一切。

让我们从一个示例图像开始

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt  
import skimage.transform
import skimage.data

img = skimage.data.chelsea()
# crop from (300, 451, 3) to (300, 300, 3)
img = img[:,80:380,:]
# resize to (800, 800)
img = skimage.transform.resize(img, (800,800))
plt.imshow(img)

在64 100*100 tiles中分解图像。新的形状是(8, 100, 8, 100, 3)，您可以使用img[i, :, j, :, ...]来处理单个图像。不需要将它们存储在一个新的数组中，只是为了更容易阅读。

img = img.reshape(8, 100, 8, 100, 3)
gs = mpl.gridspec.GridSpec(8,8)
for i in range(8):
    for j in range(8):
        ax = plt.subplot(gs[i,j])
        ax.imshow(img[i,:,j,:,...])

现在让我们对这些瓷砖做一些操作。

清除一些随机瓷砖

cells = np.random.randint(8, size=(20,2))
img[cells[:,0],:,cells[:,1],...] = 1

上下翻转，从左到右

img = img[:,::-1,:,::-1,...]

添加黑色边框

img[:,:6,...] = 0
img[:,-6:,...] = 0
img[:,:,:,:6,...] = 0
img[:,:,:,-6:,...] = 0

并策划他们

for i in range(8):
    for j in range(8):
        ax = plt.subplot(gs[i,j])
        ax.imshow(img[i,:,j,:,...])

现在要重建，你只需重塑到原来的形状。

img = img.reshape(800, 800, 3)
plt.imshow(img)

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/50431401

复制

相似问题

问100 x100 python块背面图像的分解和收集
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问100 x100 python块背面图像的分解和收集EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问100 x100 python块背面图像的分解和收集
EN