我有一个3d numpy数组。它是一个二维正方形图像数组,所有大小均相同。我的任务是屏蔽图像的随机正方形补丁(将所有像素值设置为0)。我可以弄清楚在只有1张图像的情况下该怎么做
x = np.random.randint(image_width - size)
y = np.random.randint(image_width - size)
image[x:x + size, y:y + size] = 0
其中size是被屏蔽区域的大小。我不确定如何有效地对二维图像阵列执行此技术,其中每个像素都会随机生成被屏蔽的补丁(不一定是阵列中每个图像中被屏蔽的相同补丁)。我在必须处理的所有新索引工具(广播,花式索引等)中感到有点迷茫,并且想知道是否有一种快速简单的方法来完成此任务。目前,我的方法是使用for循环简单地遍历每个图像,一次执行一个图像,但我想知道numpy是否足够强大,从而可以一次完成所有操作。我确实意识到我需要使用
x_array = np.random.randint(image_width - size, size=len(image_array))
y_array = np.random.randint(image_width - size, size=len(image_array))
在某个时候,但我不知道在哪里。
答案 0 :(得分:1)
我们可以利用基于np.lib.stride_tricks.as_strided
的scikit-image's view_as_windows
来获取滑动窗口。 More info on use of as_strided
based view_as_windows
。
from skimage.util.shape import view_as_windows
# Get sliding windows as views
w = view_as_windows(image_array,(1,size,size))[...,0,:,:]
# Index with advanced-indexing into windows array and
# assign into it, thus reassigning into input array directly being views
w[np.arange(len(x_array)),x_array,y_array] = 0
样品运行
设置输入-
In [60]: image_array # input array
Out[60]:
array([[[54, 57, 74, 77, 77],
[19, 93, 31, 46, 97],
[80, 98, 98, 22, 68],
[75, 49, 97, 56, 98]],
[[91, 47, 35, 87, 82],
[19, 30, 90, 79, 89],
[57, 74, 92, 98, 59],
[39, 29, 29, 24, 49]],
[[42, 75, 19, 67, 42],
[41, 84, 33, 45, 85],
[65, 38, 44, 10, 10],
[46, 63, 15, 48, 27]]])
In [68]: size
Out[68]: 2
# x and y starting indices for 0s assignments
In [65]: x_array
Out[65]: array([1, 0, 1])
In [66]: y_array
Out[66]: array([2, 2, 0])
使用建议的解决方案-
In [62]: w = view_as_windows(a,(1,size,size))[...,0,:,:]
In [63]: w[np.arange(len(x_array)),x_array,y_array] = 0
In [64]: image_array # verify
Out[64]:
array([[[54, 57, 74, 77, 77], # start at (1,2)
[19, 93, 0, 0, 97],
[80, 98, 0, 0, 68],
[75, 49, 97, 56, 98]],
[[91, 47, 0, 0, 82], # start at (0,2)
[19, 30, 0, 0, 89],
[57, 74, 92, 98, 59],
[39, 29, 29, 24, 49]],
[[42, 75, 19, 67, 42], # start at (1,0)
[ 0, 0, 33, 45, 85],
[ 0, 0, 44, 10, 10],
[46, 63, 15, 48, 27]]])