如何从python中的3D图像中提取补丁？

Question

我有一个大小为：Deep x Weight x Height 的 3D 图像（例如：10x20x30，表示 10 个图像，每个图像的大小为20x30。

给定补丁大小为pd x pw x ph（如pd <Deep, pw<Weight, ph<Height），例如补丁大小：4x4x4。路径的中心点位置将是：pd/2 x pw/2 x ph/2。我们将时间t与中心点时间t+1之间的距离称为stride，例如stride=2。

我想将原始 3D 图像提取为上面给出的大小和步幅的块。我怎样才能在python中做到这一点？谢谢

。

Answer 1

使用np.lib.stride_tricks.as_strided。此解决方案不需要跨步来划分输入堆栈的相应维度。它甚至允许重叠补丁（只是在这种情况下不要写入结果，或者制作副本。）。因此，它比其他方法更灵活：

import numpy as np
from numpy.lib import stride_tricks

def cutup(data, blck, strd):
    sh = np.array(data.shape)
    blck = np.asanyarray(blck)
    strd = np.asanyarray(strd)
    nbl = (sh - blck) // strd + 1
    strides = np.r_[data.strides * strd, data.strides]
    dims = np.r_[nbl, blck]
    data6 = stride_tricks.as_strided(data, strides=strides, shape=dims)
    return data6#.reshape(-1, *blck)

#demo
x = np.zeros((5, 6, 12), int)
y = cutup(x, (2, 2, 3), (3, 3, 5))

y[...] = 1
print(x[..., 0], '\n')
print(x[:, 0, :], '\n')
print(x[0, ...], '\n')

输出：

[[1 1 0 1 1 0]
 [1 1 0 1 1 0]
 [0 0 0 0 0 0]
 [1 1 0 1 1 0]
 [1 1 0 1 1 0]] 

[[1 1 1 0 0 1 1 1 0 0 0 0]
 [1 1 1 0 0 1 1 1 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 0 0 1 1 1 0 0 0 0]
 [1 1 1 0 0 1 1 1 0 0 0 0]] 

[[1 1 1 0 0 1 1 1 0 0 0 0]
 [1 1 1 0 0 1 1 1 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 0 0 1 1 1 0 0 0 0]
 [1 1 1 0 0 1 1 1 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0]] 

解释。 Numpy 数组按步长组织，每个维度一个，数据点 [x,y,z] 位于内存地址 base + stridex * x + stridey * y + stridez * z 处。

stride_tricks.as_strided 工厂允许直接操作与给定数组共享其内存的新数组的步长和形状。仅当您知道自己在做什么时才尝试此操作，因为不执行任何检查，这意味着您可以通过寻址越界内存来开枪。

代码使用此函数将三个现有维度中的每一个拆分为两个新维度，一个用于对应的块内坐标（这将与原始维度具有相同的步幅，因为块中的相邻点对应于相邻的整个堆栈中的点）和沿该轴的块索引的一维；这将具有步幅 = 原始步幅 x 块步幅。

代码所做的只是计算正确的步幅和尺寸（= 沿三个轴的块尺寸和块数）。

由于数据与原始数组共享，当我们将6d数组的所有点设置为1时，它们也被设置在原始数组中，暴露了演示中的块结构。请注意，函数最后一行中注释掉的 reshape 会破坏此链接，因为它会强制复制。

Answer 2

skimage 模块为您提供与view_as_blocks 的集成解决方案。 来源在线。

注意选择pd, pw, ph的倍数Deep,Weight,Height，因为as_strided不检查边界。