从 4D 数组中裁剪图像的不同部分以进行数据增强

Question

我有以下批处理的 RGB 图像数组（4D 数组）：

In [55]: img_arr = np.random.randint(0, 255, (10000, 32, 32, 3))

现在，我只想从左上角跨所有3 通道裁剪某些维度，比如（12x12），最好还沿着批处理维度（即axis 0）裁剪，全部合二为一走。我的想法是制作一个网格并对其进行切片。所以，我构建了这个网格：

In [56]: grid = np.c_[np.arange(12)]+ np.r_[np.arange(12)]

In [57]: grid.shape
Out[57]: (12, 12)

但是，当我对数组进行切片时，我得到了一些意想不到的东西：

In [58]: img_arr[:, grid, :].shape
Out[58]: (10000, 12, 12, 32, 3)

我期望并且需要结果是 (10000, 12, 12, 3) 的形状，但我不知道 32 的来源。

这只是一个例子。理想情况下，我想在图像上的 10 个不同位置进行裁剪，即。左上、右上、左下、右下等，

但是，首先进行左上角裁剪，其余的应该是直观的。

此外，如您所见，我需要在单个 4D 数组中沿批量维度存储超过 100K 的图像，因此在进行此类随机裁剪时拥有 视图 会非常好，因为它会节省内存。

Answer 1

我们可以为此使用slicing：我们可以指定第二维和第三维的范围，例如：

sub_img = img_arr[:, <b>:12, :12</b> , :]

然后sub_img.shape == (10000, 12, 12, 3)。因此，在这里我们指定了0 到12 的范围（但我们不需要明确声明0）。我们对第二维和第三维执行此操作。它也非常具有声明性：我们构造一个sub_img，其中第一个索引取所有（:），第二个索引到第十二个（:12），等等。

注意我们不需要指定tailing:s，也可以这样写：

sub_img = img_arr[:, :12, :12]  # no last ":"

切片作为视图

注意我们这里构造一个视图，我们不复制数组，我们只构造一个视图。因此，如果我们在视图范围内对img_arr 进行更改，我们将能够在sub_img 中看到，反之亦然。如果您需要副本，您可以通过 array 构造函数传递例如视图：

sub_img = <b>np.array(</b>img_arr[:, :12, :12]<b>)</b>  # making a copy, instead of a view

但是使用视图可能是有益的，因为它几乎不使用内存来存储视图（这里大约 144 字节，而副本大约需要 34 兆字节），而且视图的构建几乎是即时的（通常它可以缩放维数），而副本将随元素数缩放。

使用slice对象的任意维数

如果维数是任意的，我们也可以传递slice 对象的元组。

例如第一个表达式等价于：

# equivalent to the first code fragment
indices = (slice(None), slice(12), slice(12))
sub_img = img_arr[indices]

所以如果维数是任意的，我们可以先构造这样的元组。一个将除第一个和最后一个维度之外的所有维度分割为 12 的元组例如：

# generalized with arbitrary number of dimensions
indices = (slice(None), *(slice(12) for _ in range(img_arr.ndim - 2)))
sub_img = img_arr[indices]