通过块中的数组进行索引

Question

我有一个表示为数组 (img) 的图像，我想制作图像的许多副本，并且在每个副本中将图像的不同正方形归零（在第一个副本中，将 0:2 归零，下一个副本中的 0:2 将 0:2、3:5 等归零。我已经使用 np.broadcast_to 创建了图像的多个副本，但是我无法通过图像的多个副本以及图像中的多个位置来将图像中的正方形归零。

我想我正在寻找类似 skimage.util.view_as_blocks 的东西，但我需要能够写入原始数组，而不仅仅是读取。

这背后的想法是通过神经网络传递图像的所有副本。表现最差的副本应该是我试图在其归零位置识别的类（图片）。

img = np.arange(10*10).reshape(10,10)
img_copies = np.broadcast_to(img, [100, 10, 10])
z = np.zeros(2*2).reshape(2,2)

谢谢

Answer 1

我想我已经破解了！这是一种使用masking 沿6D 重构数组的方法-

def block_masked_arrays(img, BSZ):
    # Store shape params
    m = img.shape[0]//BSZ
    n = m**2

    # Make copies of input array such that we replicate array along first axis.
    # Reshape such that the block sizes are exposed by going higher dimensional.
    img3D = np.tile(img,(n,1,1)).reshape(m,m,m,BSZ,m,BSZ)    

    # Create a square matrix with all ones except on diagonals. 
    # Reshape and broadcast it to match the "blocky" reshaped input array.
    mask = np.eye(n,dtype=bool).reshape(m,m,m,1,m,1)

    # Use the mask to mask out the appropriate blocks. Reshape back to 3D.
    img3D[np.broadcast_to(mask, img3D.shape)] = 0
    img3D.shape = (n,m*BSZ,-1)
    return img3D

示例运行 -

In [339]: img
Out[339]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [340]: block_masked_arrays(img, BSZ=2)
Out[340]: 
array([[[ 0,  0,  2,  3],
        [ 0,  0,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15]],

       [[ 0,  1,  0,  0],
        [ 4,  5,  0,  0],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15]],

       [[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 0,  0, 10, 11],
        [ 0,  0, 14, 15]],

       [[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9,  0,  0],
        [12, 13,  0,  0]]])