python - Numpy 图像切片返回黑色补丁/错误值

Question

最终目标是拍摄图像并将其切成我保存的样本。问题是我的切片随机返回黑色/不正确的补丁。下面是一个小示例程序。

import scipy.ndimage as ndimage
import scipy.misc as misc
import numpy as np

image32 = misc.imread("work0.png")
patches = np.zeros((36, 8, 8))
for i in range(4):
  for j in range(4):
    patches[i*4 + j] = image32[i:i+8,j:j+8]
    misc.imsave("{0}{1}.png".format(i,j), patches[i*4 + j])

我的形象的一个例子是:

8x8 补丁产量的 0,0 补丁:

Answer 1

两件事:

1. 您将补丁矩阵初始化为错误的数据类型。默认情况下，numpy 会将补丁矩阵设为 np.float64 类型，如果您在保存时使用它，您将不会获得预期的结果。具体如果咨询Mr. F's answer ，实际上对浮点图像执行了一些缩放，其中图像的最小值和最大值分别缩放为黑色和白色，因此如果您的图像在背景中完全均匀，最小值和最大值都将是相同并且会被可视化为黑色。因此，最好的办法是尊重原始图像的数据类型，即将补丁矩阵的 dtype 设置为 np.uint8。

2. 从您的 for 循环索引判断，您想要提取出 不重叠 的 8 x 8 block 。这意味着，如果您有一个 32 x 32 的图像和 8 x 8 的补丁，则总共有 16 个补丁排列在一个 4 x 4 的网格中。

因此，您需要更改 patches 语句，使其在第一维中有 16 个，而不是 36 个。此外，您还必须调整对图像进行索引的方式提取出 8 x 8 的补丁，因为现在这些补丁是重叠的。具体来说，您希望图像补丁索引从 8*i 到 8*(i+1) 行和 8*j 到 8*(j+1) 列。如果您自己替换 i 和 j 的示例值，您会看到我们为图像中的每个网格获得了唯一的 8 x 8 block 。

---

结合以上两点，修改后的代码应该是:

import scipy.ndimage as ndimage
import scipy.misc as misc
import numpy as np

image32 = misc.imread('work0.png')

patches = np.zeros((16,8,8), dtype=np.uint8) # Change

for i in range(4):
    for j in range(4):
        patches[i*4 + j] = image32[8*i:8*(i+1),8*j:8*(j+1)] # Change
        misc.imsave("{0}{1}.png".format(i,j), patches[i*4 + j])

当我执行此操作并查看输出图像时，我得到了我期望的结果。

---

为了绝对确定，让我们使用 matplotlib 绘制线段。您已经方便地将所有补丁保存在 patches 中，因此显示我们需要的内容应该不是问题。但是，我会在注释中放置一些代码，以便您可以读取使用上述代码从磁盘保存的图像，这样您就可以验证它是否仍然有效，无论查看 patches 还是磁盘上的图像:

import matplotlib.pyplot as plt

plt.figure()
for i in range(4):
    for j in range(4):
        plt.subplot(4, 4, 4*i + j + 1)
        img = patches[4*i + j]
        # or you can do this:
        # img = misc.imread('{0}{1}.png'.format(i,j))
        img = np.dstack([img, img, img])
        plt.imshow(img)

plt.show()

关于 matplotlib.pyplot.imshow 的奇怪之处在于，如果您有一个单 channel 图像(例如您的案例)，并且周围具有相同的强度，它会被可视化为黑色 否不管颜色图是什么，就像我们使用 imsave 时遇到的情况一样。因此，我不得不人为地将其制作成 RGB 图像，但所有 channel 都相同，以便在我们显示图像之前将其可视化为灰度。

我们得到: