python - 如何在有和没有重叠的情况下将 numpy 数组拆分为固定大小的 block ？

Question

假设我有一个数组:

>>> arr = np.array(range(9)).reshape(3, 3)
>>> arr
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

我想创建一个函数 f(arr, shape=(2, 2)) 接受数组和形状，并将数组拆分为给定形状的 block 没有填充。因此，必要时通过重叠某些部分。例如:

>>> f(arr, shape=(2, 2))
array([[[[0, 1],
         [3, 4]],

        [[1, 2],
         [4, 5]]],

       [[[3, 4],
         [6, 7]],

        [[4, 5],
         [7, 8]]]])

我设法使用 np.lib.stride_tricks.as_strided(arr, shape=(2, 2, 2, 2), strides=(24, 8, 24, 8))。但我不知道如何将其推广到所有数组和所有 block 大小。

优选地，对于 3D 阵列。

如果不需要重叠，则应避免重叠。另一个例子:

>>> arr = np.array(range(16).reshape(4,4)
>>> arr
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
>>> f(arr, shape=(2,2))
array([[[[0, 1],
         [4, 5]],

        [[2, 3],
         [6, 7]]],

       [[[8, 9],
         [12, 13]],

        [[10, 11],
         [14, 15]]]])

skimage.util.view_as_blocks 接近，但要求数组和 block 形状兼容。

Answer 1

scikit-image as view_as_windows 中有一个内置函数正是因为这样做 -

from skimage.util.shape import view_as_windows

view_as_windows(arr, (2,2))

sample 运行-

In [40]: arr
Out[40]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

In [41]: view_as_windows(arr, (2,2))
Out[41]: 
array([[[[0, 1],
         [3, 4]],

        [[1, 2],
         [4, 5]]],


       [[[3, 4],
         [6, 7]],

        [[4, 5],
         [7, 8]]]])

---

对于第二部分，使用来自同一系列/模块的表亲 view_as_blocks -

from skimage.util.shape import view_as_blocks

view_as_blocks(arr, (2,2))