Question

我有一个图像表示为一个数组（img），我想制作许多图像副本，并在每个副本中清零图像的不同方块（在第一个副本中0：2，0：2， 0：2在下一个拷贝归零0：2,3：5等）。我已经使用np.broadcast_to来创建图像的多个副本，但是我无法索引图像的多个副本，以及图像中的多个位置将图像中的方块清零。

我想我正在寻找像skimage.util.view_as_blocks这样的东西，但我需要能够写入原始数组，而不仅仅是阅读。

这背后的想法是通过神经网络传递图像的所有副本。执行最差的副本应该是我试图在其零位置识别的类（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)

由于

Answer 1

我想我已经破解了！以下是使用masking重新整形的数组中6D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]]])

通过块

1 个答案: