从每个维度正交的 3D NumPy 数组中获取随机 2D 切片

Question

我正在尝试对形状为(790, 64, 64, 1)的 NumPy 数组的 30% 进行随机采样。 最后一个维度是图像的通道信息，因此本质上它是一个 3D 图像。 目的是以随机方式在每个维度上正交生成2D切片，以获得原始总信息的30％。

我查看了这个问题以了解如何随机生成切片，但我无法将其扩展到我的用例。

到目前为止，我只能生成我需要的数据大小。

dim1_len = 0.3 * img.shape[0]
dim2_len = 0.3 * img.shape[1]
dim3_len = 0.3 * img.shape[2]

对不起，如果问题有点宽泛。

Answer 1

首先是一些评论，您说要保留原始信息的 30%。 如果您保留每个轴的 30%，您最终只会得到0.3*0.3*0.3 = 0.027 (2.7%) 的信息。 考虑使用0.3 ^(1/3)作为缩减因子。 接下来的事情是您可能希望保留随机采样索引的空间顺序，因此可能在您链接的问题中包含一个np.sort(...) 。

现在到主要问题，您可以使用np.meshgrid(*arrays, sparse=True, indexing='ij')获取可用于广播的数组列表。 这对于将必要的 newaxis 添加到随机索引非常方便。

import numpy as np

img = np.random.random((790, 64, 64, 1))
alpha = 0.3 ** (1/3)

shape_new = (np.array(img.shape[:-1]) * alpha).astype(int)
idx = [np.sort(np.random.choice(img.shape[i], shape_new[i], replace=False))
       for i in range(3)]
# shapes: [(528,)  (42,)  (42,)]

idx_o = np.meshgrid(*idx, sparse=True, indexing='ij')
# shapes: [(528, 1, 1)
#          (1,  42, 1)
#          (1,  1, 42)]

img_new = img[tuple(idx_o)]
# shape: (528, 42, 42, 1)