如何使用numpy或tensorflow更快地在N個部分中相等地繪制圖像？

Question

例如，我想將（1，1028，2052，3）的圖像切成16個部分（4 * 4）。 現在，我使用以下代碼：

for i in range(4):
for j in range(4):
    part = input_image[0:1,i*257:i*257+257,j*513:j*513+513,0:3]
    input_image_split.append(part)
input_image = np.concatenate(input_image_split, axis=0)

要么

input_image = np.reshape(input_image, [4, 257, 2052, 3])
input_image = np.transpose(input_image, [0, 2, 1, 3])
input_image = np.reshape(input_image, [16, 513, 257, 3])
input_image = np.transpose(input_image, [0, 2, 1, 3])

但這會使我每張圖像花費10毫秒左右。 當我在tensorflow中使用之前的方式時，也會發生這種情況。 我可以更快地分割圖像或張量嗎？ （tf.split將花費更多時間）

Answer 1

您可以嘗試以下方法：

for i in range(4):
    for j in range(4):
        part = input_image[0][i*257:i*257+257,j*513:j*513+513,0:3]
        input_image_split.append(part)
merged = np.stack(input_image_split);

您可以嘗試使用TensorFlow的tf.split和tf.stack方法進行試驗。 不過，我暫時不能說這里最快的是什么。