从更大的矩阵中创建8x8矩阵

时间:2018-12-01 12:49:28

标签: python python-3.x matrix jpeg dct

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!

2 个答案:

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:]

将不构成矩阵的其余元素存储在列表中
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]]]])