Question

最近我一直在对8x8图像数据块进行大量处理。标准方法是使用嵌套的for循环来提取块，例如

for y in xrange(0,height,8):
    for x in xrange(0,width,8):
        d = image_data[y:y+8,x:x+8]
        # further processing on the 8x8-block

我不禁想知道是否有办法使用我可以使用的numpy / scipy来操作此操作或其他方法？某种迭代器？

MWE ¹：

#!/usr/bin/env python

import sys
import numpy as np
from scipy.fftpack import dct, idct
import scipy.misc
import matplotlib.pyplot as plt

def dctdemo(coeffs=1):
    unzig = np.array([
         0,  1,  8, 16,  9,  2,  3, 10,
        17, 24, 32, 25, 18, 11,  4, 5,
        12, 19, 26, 33, 40, 48, 41, 34,
        27, 20, 13,  6,  7, 14, 21, 28,
        35, 42, 49, 56, 57, 50, 43, 36,
        29, 22, 15, 23, 30, 37, 44, 51,
        58, 59, 52, 45, 38, 31, 39, 46,
        53, 60, 61, 54, 47, 55, 62, 63])

    lena = scipy.misc.lena()
    width, height = lena.shape

    # reconstructed
    rec = np.zeros(lena.shape, dtype=np.int64)

    # Can this part be vectorized?
    for y in xrange(0,height,8):
        for x in xrange(0,width,8):
            d = lena[y:y+8,x:x+8].astype(np.float)
            D = dct(dct(d.T, norm='ortho').T, norm='ortho').reshape(64)
            Q = np.zeros(64, dtype=np.float)
            Q[unzig[:coeffs]] = D[unzig[:coeffs]]
            Q = Q.reshape([8,8])
            q = np.round(idct(idct(Q.T, norm='ortho').T, norm='ortho'))
            rec[y:y+8,x:x+8] = q.astype(np.int64)

    plt.imshow(rec, cmap='gray')
    plt.show()

if __name__ == '__main__':
    try:
        c = int(sys.argv[1])
    except ValueError:
        sys.exit()
    else:
        if 1 <= int(sys.argv[1]) <= 64:
            dctdemo(int(sys.argv[1]))

脚注：

实际申请：https://github.com/figgis/dctdemo

Answer 1

在Scikit Image

中有一个函数view_as_windows

http://scikit-image.org/docs/dev/api/skimage.util.html#view-as-windows

不幸的是，我将不得不再次完成此答案，但您可以使用以下形式抓取窗口：dct：

from skimage.util import view_as_windows
# your code...
d = view_as_windows(lena.astype(np.float), (8, 8)).reshape(-1, 8, 8)
dct(d, axis=0)

Answer 2

scikit-learn特征提取例程中有一个名为extract_patches的函数。您需要指定patch_size和extraction_step。结果将是您的图像视图作为补丁，可能会重叠。结果数组是4D，前2个索引是补丁，最后两个索引补丁的像素。试试这个

from sklearn.feature_extraction.image import extract_patches
patches = extract_patches(image_data, patch_size=(8, 8), extraction_step=(4, 4))

这会使（8,8）个大小的补丁重叠一半。

请注意，到目前为止，它使用无额外内存，因为它是使用步幅技巧实现的。您可以通过重塑

来强制复制

patches = patches.reshape(-1, 8, 8)

基本上会产生一个补丁列表。

numpy / scipy，循环子阵列

2 个答案: