Question

我一直在寻找一种将numpy图像划分为网格状补丁的方法。

此任务已回答了几次。 Extracting patches of a certain size from the image in python efficiently

skleans extract_patches_2d看起来完全正确。

http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.image.extract_patches_2d.html

但是，我觉得我不理解文档。

我有一个图像，它不是特别大，磁盘上有几个Mb。 OpenCV没有问题。

其尺寸为

self.original_image.shape
(1536, 2048, 3)

因此，让我们将其提取到每个100 X 100的块中。在信封背面计算补丁的数量应该类似

（1536 * 2048）/（100 * 100）= 314

patches=extract_patches_2d(self.original_image,(100,100))
Traceback (most recent call last):
  Debug Probe, prompt 46, line 1
  File "c:\Python27\Lib\site-packages\sklearn\feature_extraction\image.py", line 374, in extract_patches_2d
    extraction_step=1)
  File "c:\Python27\Lib\site-packages\sklearn\feature_extraction\image.py", line 296, in extract_patches
    patches = as_strided(arr, shape=shape, strides=strides)
  File "c:\Python27\Lib\site-packages\numpy\lib\stride_tricks.py", line 48, in as_strided
    array = np.asarray(DummyArray(interface, base=x))
  File "c:\Python27\Lib\site-packages\numpy\core\numeric.py", line 482, in asarray
    return array(a, dtype, copy=False, order=order)
ValueError: array is too big; `arr.size * arr.dtype.itemsize` is larger than the maximum possible size.

这是一个numpy内存错误。造成这种情况的原因是什么？

我感觉自己并不完全遵循，让我们制作一个小图像并将其分成相当大的部分

patches=extract_patches_2d(self.original_image[0:100,0:100],(50,50))

这样可行，但会产生数千个补丁

len(patches)
2601

不是我期待的~4。我对这个功能有什么不了解？人们如何获得补丁，这似乎是计算机视觉中的常见问题。

Windows上的Python 2.7，最近安装的软件包和最新的软件

Ben@Laptop MINGW64 ~/Desktop
$ pip install -U scikit-learn

Requirement already up-to-date: scikit-learn in c:\python27\lib\site-packages

Answer 1

该功能可以从给定图像创建所有可能的补丁组合。在您的情况下，第一个补丁将按行排列0:49像素，按列排列0：49像素。第二个补丁从1:50行和列方式和o开启。因此，如果您有大小（m，n）的图像并希望提取大小（a，b）的块，则可以提取（m-a）+1 x（n-b + 1）个最大可能的块。在你的情况下是51x 51 = 2601补丁.. 如果要限制要提取的修补程序数，可以通过max_ patches参数的可选参数执行此操作。

创建映像补丁，sklearn.feature_extraction.image.extract_patches_2d内存错误

1 个答案: