在将skimage 中的view_in_windows 应用于rgb 图像(221,95,3) 后，我留下了output 形状(217, 91, 1, 5, 5, 3)。
我假设output.shape[3] 和output.shape[4] 是窗口的高度和宽度，而output.shape[5] 是原始通道数。
谁能解释一下output.shape 中的前两个数字是什么，以及我如何能够获得与(No. windows, height, width, No. channels) 对应的形状，因为我的任务与为图像分类准备输入有关。
到目前为止我所拥有的一切：
step = 1
window = 5
output = view_as_windows(input_image, (window, window, 3), step=step)```
【问题讨论】：
标签： python numpy image-processing scikit-image
前两个数字是沿图像高度和宽度的窗口数。由于窗口具有 (5, 5) 形状，因此不能沿行容纳 221 个窗口，只能容纳 217 个。列同上。
作为一维类比，如果您有np.arange(4) 作为输入，并且您想要一个大小为 3 的滑动窗口，则只能容纳两个窗口，(0, 1, 2) 和 (1, 2, 3 )。
您可以在开始时使用np.pad 填充图像以获得与像素相同的窗口数量，或者只使用缩小的图像大小。
至于重塑，在这种情况下很容易：
step = 1
window = 5
window_shape = (window, window, 3)
output_raw = view_as_windows(input_image, window_shape, step)
output = output.reshape((-1,) + window_shape)
但是请注意，虽然output_raw 使用numpy.lib.stride_tricks.as_strided 以零复制在数组中生成视图，但步幅技巧无法表示 @987654327 @（带有重塑），因此您将创建一个 np.product(output_raw.shape) 元素数组，在本例中约为 1.5M。这很快就会失控。
【讨论】：