我目前有一个170x296的矩阵,需要将其划分为8x8的矩阵。关于如何做到这一点的任何想法?
[1 , 2 , 3 , 4 , ... , 170] --> 296x170 matrix
[171 , ... ]
[342 , ... ]
[... ]
[49900 ... ]
我想将其转换为:
[1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 ]
[171 , 172 , 173 , 174 , 175 , 176 , 177 , 178]
[... ]
[9 , 10 , 11 , 12 , 13 , 14 , 15 , 16 ]
[179, 180 , 181 , 182 , 183 , 184 , 185 , 186]
[... ]
以此类推。
(在这种情况下,它是一个170x296的矩阵,因此,并非所有值都适合8x8矩阵。最后几个不适合的值可以存储在列表中。)
预先感谢!
答案 0 :(得分:0)
这是使用某些测试身份矩阵的一种可能的解决方案。使用flatten
,您可以将大的单个矩阵转换为1-d数组,然后简单地循环遍历64个子组中的元素,然后将它们转换回8x8子矩阵,如果要存储它们则保存到某个列表中。您只需要一个for循环。可以使用%
模运算符和索引切片[-length%64:]
a = np.eye(170, 296)
a_flat = a.flatten()
length = len(a_flat)
new_matrices = []
for i in range(0, length, 64):
try:
new_matrices.append(a_flat[i:i+64].reshape((8,8)))
except:
break
remaining = a_flat[-(length%64):]
答案 1 :(得分:0)
最简单的解决方案很可能是Scikit-Image的view_as_blocks
:
import numpy as np
import skimage.util
img = np.arange(296 * 170).reshape(296, 170)
# Make sure the image dimensions are a multiple of 8
img = img[:, :-2]
img_blocks = skimage.util.view_as_blocks(img, block_shape=(8, 8))
img_blocks.shape
# (37, 21, 8, 8)
如您所见,img
被切成8x8
个块,垂直方向为37个块,水平方向为21个块。
对于一个玩具示例,很容易看到正在发生的事情:
import numpy as np
import skimage.util
img = np.arange(4 * 6).reshape(4, 6)
img
# array([[ 0, 1, 2, 3, 4, 5],
# [ 6, 7, 8, 9, 10, 11],
# [12, 13, 14, 15, 16, 17],
# [18, 19, 20, 21, 22, 23]])
img_blocks = skimage.util.view_as_blocks(img, block_shape=(2, 2))
img_blocks
# array([[[[ 0, 1],
# [ 6, 7]],
#
# [[ 2, 3],
# [ 8, 9]],
#
# [[ 4, 5],
# [10, 11]]],
#
#
# [[[12, 13],
# [18, 19]],
#
# [[14, 15],
# [20, 21]],
#
# [[16, 17],
# [22, 23]]]])