在 Python 中使用浮点数对 ndarray 进行切片

Question

我想在 Python 中构造一个算法，将图像切成 n×n 相等的块。我知道现有的 Python 包可以做到这一点，但我有兴趣使用生成的块的维度执行数学计算，这些维度不必是整数值。

我已使用numpy 和cv2 成功地将我的图像输入转换为ndarray。我很好奇我是否可以以某种方式对ndarray 对象进行切片，这样当我拆分一个“像素”时，我只需将该“像素”对它们各自块的贡献取加权平均值。

例如，如果图像输入的尺寸为 100px x 100px，并且我想将此图像拆分为 7x7 块，因为 100/7 = ~14.2857，每个块的尺寸将为 14.2857 x 14.2857。但是只有一小部分像素是没有意义的。相反，我希望对此进行解释，以便第一个块包含来自像素 (1,1),(1,2),...,(1,14),(2,1),... 的所有信息,(3,1),...,(14,1),... ,(14,14), 满足 (15,k) 和 (k,15) 的所有像素中的 0.2857，像素为 0.2857*0.2857 (15,15)。我希望对所有 49 个区块都这样做。

任何见解将不胜感激！谢谢。

Answer 1

正如您正确观察到的，图像中不能有 14.29 像素。但是，您可以执行 下采样 到 14（或更少）像素或 上采样 到 15（或更多）像素。我认为前者是你想要的，但后者也是一个可行的选择。

一种简单的方法是将图像调整为可以轻松拆分为 7x7 的新尺寸。如果您使用正确的函数来执行此操作（例如scipy.ndimage.interpolation.zoom），它将自动插入像素值。

为简单起见，假设您要将 5x5 图像拆分为 2x2 块：

from scipy.ndimage.interpolation import zoom
import numpy as np

blocks = (2, 2)

image = np.arange(25).reshape(5, 5) * 10
print(image)
# [[  0  10  20  30  40]
#  [ 50  60  70  80  90]
#  [100 110 120 130 140]
#  [150 160 170 180 190]
#  [200 210 220 230 240]]

# use np.ceil instead of np.floor to do upsampling
zoom_factor = [np.floor(s / b) * b / s for s, b in zip(image.shape, blocks)]

zoomed = zoom(image, zoom_factor)
print(zoomed)
# [[  0  14  26  40]
#  [ 69  83  95 109]
#  [131 145 157 171]
#  [200 214 226 240]]

for b1 in range(0, zoomed.shape[0], blocks[0]):
    for b2 in range(0, zoomed.shape[1], blocks[1]):
        print('block:')
        print(zoomed[b1:b1+blocks[0], :][:, b2:b2+blocks[1]])
# block:
# [[ 0 14]
#  [69 83]]
# block:
# [[ 26  40]
#  [ 95 109]]
# block:
# [[131 145]
#  [200 214]]
# block:
# [[157 171]
#  [226 240]]

请注意，在缩放后的图像中，第一行中的第二个像素的值为 14，其中包含来自邻居 10 和 20 的贡献。（它可能也包含来自其他像素的贡献，因为缩放默认使用 3 阶样条曲线用于插值）。图像中间的其他像素包含来自整个周围邻域的贡献。