python - 从 numpy 中的图像中提取缩略图

Question

我有一个奇怪的问题，它涉及切片数组和提取小缩略图切口。我确实有一个解决方案，但它是一个笨重的 for 循环，在大图像上运行相当慢。

当前的解决方案如下所示:

import numpy as np

image = np.arange(0,10000,1).reshape(100,100) #create an image

cutouts = np.zeros((100,10,10)) #array to hold the thumbnails
l = 0

for i in range(0,10):
    for j in range(0,10): #step a (10,10) box across the image + save results
        cutouts[l,:,:] = image[(i*10):(i+1)*10, (j*10):(j+1)*10] 
        l = l+1

print(cutouts[0,:,:])

[[   0.    1.    2.    3.    4.    5.    6.    7.    8.    9.]
 [ 100.  101.  102.  103.  104.  105.  106.  107.  108.  109.]
 [ 200.  201.  202.  203.  204.  205.  206.  207.  208.  209.]
 [ 300.  301.  302.  303.  304.  305.  306.  307.  308.  309.]
 [ 400.  401.  402.  403.  404.  405.  406.  407.  408.  409.]
 [ 500.  501.  502.  503.  504.  505.  506.  507.  508.  509.]
 [ 600.  601.  602.  603.  604.  605.  606.  607.  608.  609.]
 [ 700.  701.  702.  703.  704.  705.  706.  707.  708.  709.]
 [ 800.  801.  802.  803.  804.  805.  806.  807.  808.  809.]
 [ 900.  901.  902.  903.  904.  905.  906.  907.  908.  909.]]

所以，就像我说的，这有效。但是，一旦我得到带有几个不同色带的非常大的图像(我从事天文学工作)，它就会变得缓慢而笨重。在我的梦想世界中，我能够做这样的事情:

import numpy as np

image = np.arange(0,10000,1).reshape(100,100) #create an image

cutouts = image.reshape(100,10,10)

但是，它不会创建正确的缩略图，因为它会将整行读入第一个 (10,10) 数组，然后再移动到下一个数组:

print(cutouts[0,:,:])

[[ 0  1  2  3  4  5  6  7  8  9]
 [10 11 12 13 14 15 16 17 18 19]
 [20 21 22 23 24 25 26 27 28 29]
 [30 31 32 33 34 35 36 37 38 39]
 [40 41 42 43 44 45 46 47 48 49]
 [50 51 52 53 54 55 56 57 58 59]
 [60 61 62 63 64 65 66 67 68 69]
 [70 71 72 73 74 75 76 77 78 79]
 [80 81 82 83 84 85 86 87 88 89]
 [90 91 92 93 94 95 96 97 98 99]]

所以，是的，这就是问题所在，我会生气吗？for循环是最好的方法，还是有一些聪明的方法可以分割图像数组，以便它生成我需要的缩略图。

干杯!

Answer 1

reshape 为4D，排列轴，再次 reshape -

H,W = 10,10 # height,width of thumbnail imgs
m,n = image.shape      
cutouts = image.reshape(m//H,H,n//W,W).swapaxes(1,2).reshape(-1,H,W)

More info on the intuition behind it.

内置 scikit-image 的更紧凑版本:view_as_blocks -

from skimage.util.shape import view_as_blocks

cutouts = view_as_blocks(image,(H,W)).reshape(-1,H,W)

如果您对中间 4D 输出感到满意，它将是输入图像的 View ，因此在运行时几乎是免费的。让我们验证 View 部分 -

In [51]: np.shares_memory(image, image.reshape(m//H,H,n//W,W))
Out[51]: True

In [52]: np.shares_memory(image, view_as_blocks(image,(H,W)))
Out[52]: True