[英]Understanding tf.extract_image_patches for extracting patches from an image
[英]Extract N number of patches from an image
我有一张尺寸为155 x 240
的图像。 像下面这样:
我想提取特定形状的补丁(25 x 25)
。 我不想修补整个图像。
我想从图像的非零(非背景)区域中提取N 个补丁。 我怎样才能做到这一点? 任何想法或建议或实施将不胜感激。 您可以尝试使用 Matlab 或 Python。
注意:我生成了一个随机图像,以便您可以对其进行处理以进行修补。 image_process
变量是此代码中的图像。
import numpy as np
from scipy.ndimage.filters import convolve
import matplotlib.pyplot as plt
background = np.ones((155,240))
background[78,120] = 2
n_d = 50
y,x = np.ogrid[-n_d: n_d+1, -n_d: n_d+1]
mask = x**2+y**2 <= n_d**2
mask = 254*mask.astype(float)
image_process = convolve(background, mask)-sum(sum(mask))+1
image_process[image_process==1] = 0
image_process[image_process==255] = 1
plt.imshow(image_process)
假设您要省略的像素值为 0。
在这种情况下,您可以做的是首先找到非零值的索引,然后在min
/ max
位置对图像进行切片以获得所需的区域,然后简单地应用具有所需窗口大小和数量的extract_patches_2d
补丁。
例如,给定您提供的虚拟图像:
import numpy as np
from scipy.ndimage.filters import convolve
import matplotlib.pyplot as plt
background = np.ones((155,240))
background[78,120] = 2
n_d = 50
y,x = np.ogrid[-n_d: n_d+1, -n_d: n_d+1]
mask = x**2+y**2 <= n_d**2
mask = 254*mask.astype(float)
image_process = convolve(background, mask)-sum(sum(mask))+1
image_process[image_process==1] = 0
image_process[image_process==255] = 1
plt.figure()
plt.imshow(image_process)
plt.show()
from sklearn.feature_extraction.image import extract_patches_2d
x, y = np.nonzero(image_process)
xl,xr = x.min(),x.max()
yl,yr = y.min(),y.max()
only_desired_area = image_process[xl:xr+1, yl:yr+1]
window_shape = (25, 25)
B = extract_patches_2d(only_desired_area, window_shape, max_patches=100) # B shape will be (100, 25, 25)
如果您绘制only_desired_area
您将获得以下图像:
这是主要逻辑,如果您希望更严格的界限,您应该正确调整切片。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.