[英]The decomposition and collection of back images to pieces 100x100 python
我有圖像陣列,我需要將其分解為100x100的片段,並對其進行處理后再收集回原始圖像。 問題:我收不到東西,我有這樣的東西,
但實際圖像是800x800
我的代碼:
獲取img作為數組,刪除第三維
path_to_image = './la3.jpg'
image_array = plt.imread(path_to_image)
image_array = image_array[:, :, 0]
寫成新的數組片段100x100(可以正常工作):
main2_array = np.zeros(10000,)
for row in tqdm_notebook(range(0,8)):
for col in range(0,8):
main2_array = np.vstack((main2_array, image_array[0 + (100*row):100 + (100*row) ,0 + (100*col):100 + (100*col)].flatten()))
main2_array = np.delete(main2_array, main2_array[0] , axis=0 )
收拾回來(不起作用)
main_array = np.zeros(100,)
for p in tqdm_notebook(range(0,100)):
for i in range(0,64):
main_array = np.vstack((main_array, main2_array[0 + (10000*i) + (100*p): 100 + (10000*i) + (100*p)]))
main_array = np.delete(main_array, main_array[0] , axis=0 )
收集完零件后,我得到了
假像
x, y = 800,800
img_array = np.arange(x*y).reshape((x,y))
解構后, main2_array.shape
為(64,10000); 每行都是扁平的100x100補丁。 解構期間,您從左到右 , 從上到下遍歷圖像並將每個色塊滑動到前一個色塊之下。
要重構相反的過程:
main_array = np.zeros((x,y))
for n, patch in enumerate(main2_array):
patch = patch.reshape(100,100)
# eight patches per row
row, col = divmod(n, 8)
row_offset, col_offset = row*100, col*100
row_slice = slice(row_offset, 100 + row_offset)
col_slice = slice(col_offset, 100 + col_offset)
#print(np.all(patch == image_array[row_slice,col_slice]))
main_array[row_slice, col_slice] = patch
>>> np.all(main_array == img_array)
True
>>>
或者,您也可以將其重塑為原始樣式
>>> b = main2_array.reshape(8,8,100,100)
>>> b[0,1].shape # row zero column 1?
(100, 100)
>>> np.all(b[0,1] == a[0:100, 100:200])
True
>>>
>>> c = np.swapaxes(b, 1,2)
>>> c.shape
(8, 100, 8, 100)
>>> np.all(c[0,:,1,:] == a[0:100, 100:200]) # row zero column 1?
True
>>> d = c.reshape(800,800)
>>> np.all(d==img_array)
True
>>>
有點晚了,但我認為這個問題值得一個更形象的答案。
您不需要慢循環,只需使用numpy
重塑和精美索引就可以完成所有操作。
讓我們從示例圖片開始
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import skimage.transform
import skimage.data
img = skimage.data.chelsea()
# crop from (300, 451, 3) to (300, 300, 3)
img = img[:,80:380,:]
# resize to (800, 800)
img = skimage.transform.resize(img, (800,800))
plt.imshow(img)
將圖像分解為64
100*100
圖塊。 新形狀為(8, 100, 8, 100, 3)
,您可以使用img[i, :, j, :, ...]
處理單個圖像。 除了可能更容易閱讀之外,無需將它們存儲在新數組中。
img = img.reshape(8, 100, 8, 100, 3)
gs = mpl.gridspec.GridSpec(8,8)
for i in range(8):
for j in range(8):
ax = plt.subplot(gs[i,j])
ax.imshow(img[i,:,j,:,...])
現在讓我們對磁貼進行一些操作。
清除一些隨機圖塊
cells = np.random.randint(8, size=(20,2))
img[cells[:,0],:,cells[:,1],...] = 1
上下顛倒翻轉
img = img[:,::-1,:,::-1,...]
添加黑色邊框
img[:,:6,...] = 0
img[:,-6:,...] = 0
img[:,:,:,:6,...] = 0
img[:,:,:,-6:,...] = 0
並繪制它們
for i in range(8):
for j in range(8):
ax = plt.subplot(gs[i,j])
ax.imshow(img[i,:,j,:,...])
現在要重建,您可以將其重塑為原始形狀
img = img.reshape(800, 800, 3)
plt.imshow(img)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.