Desarrollo de Python
  1. Desarrollo de Python
  3. Uso eficiente de múltiples numpy slices para recorte de imagen aleatorio
Intereting Posts
Generador de muestras aleatorias de Python (cómodo con grandes tamaños de población) ¿Cómo obtener una lista de ventanas abiertas en PyGTK o GTK en Ubuntu? ¿Método asincrónico de llamada en Python? Técnicas de localización segura de hilo Segmentación de labios OpenCV Sqlite / SQLAlchemy: ¿cómo hacer cumplir las claves externas? Subiendo archivos grandes con Python / Django expresión regular de Python que reemplaza parte de una cadena coincidente ¿Por qué no es válido 08 o 09 en Python? ¿Cómo compara Python 2 string e int? ¿Por qué las listas se comparan como números mayores y las tuplas mayores que las listas? Checkout o lista de sucursales remotas en GitPython SQLite y Python. Los valores se escriben sin errores, pero no en la base de datos una vez que se termina el progtwig ¿Puedo usar el nombre de variable “tipo” como argumento de función en Python? pandas: contar cosas Sintaxis declarativa de SQLAlchemy con carga automática (reflexión) en pilones

Uso eficiente de múltiples numpy slices para recorte de imagen aleatorio

Tengo una matriz numpy 4-D, con la primera dimensión que representa el número de imágenes en un conjunto de datos, la segunda y la tercera son la anchura y la altura (iguales) y la cuarta la cantidad de canales (3). Por ejemplo, digamos que tengo 4 imágenes en color que son 28 * 28, por lo que mis datos de imagen se ven así: 

X = np.reshape(np.arange(4*28*28*3), (4,28,28,3))

Me gustaría seleccionar un recorte aleatorio de 16 * 16 de ancho x alto de cada una de las 4 imágenes. Críticamente, quiero que el recorte sea diferente por imagen, es decir, quiero generar 4 pares aleatorios (x_offset, y_offset). Al final quiero acceder a un conjunto de formas (4, 16, 16, 3).

Si tuviera que escribir esto en un bucle for, se vería algo así: 

 x = np.random.randint(0,12,4) y = np.random.randint(0,12,4) for i in range(X.shape[0]): cropped_image = X[i, x[i]:x[i]+16, y[i]:y[i]+16, :] #Add cropped image to a list or something

Pero me gustaría hacerlo de la manera más eficiente posible y me pregunto si hay una manera de hacerlo con zancadas e indexación elegante. He visto las respuestas a esta pregunta, pero no puedo comprender cómo podría combinar algo como stride_tricks con puntos de inicio aleatorios para los pasos en el segundo y tercer eje (ancho y alto).

Aproveche el método strided-based para la extracción eficiente de parches

Podemos aprovechar np.lib.stride_tricks.as_strided scikit-image's view_as_windows para obtener ventanas deslizantes que serían simplemente views en la matriz de entrada y, por lo tanto, no incurrirán en una sobrecarga de memoria adicional y prácticamente gratis. Seguramente podemos usar np.lib.stride_tricks.as_strided directamente, pero el trabajo de configuración requerido es difícil de administrar, especialmente en arreglos con dimensiones más altas. Si scikit-image no está disponible, podemos usar directamente el source code que funciona de forma independiente.

Explicación sobre el uso de view_as_windows

La idea con view_as_windows es que view_as_windows en la entrada arg window_shape como una tupla de longitud igual a la cantidad de dimensiones en la matriz de entrada cuyas ventanas deslizantes son necesarias. Los ejes a lo largo de los cuales debemos deslizarnos se alimentan con las longitudes de ventana respectivas y el rest se alimenta con 1s . Esto crearía una matriz de views con singleton dims/axes es decir, ejes con lengths=1 correspondientes a los 1s en window_shape arg. Por lo tanto, para esos casos podríamos querer indexar en el elemento cero correspondiente a los ejes que se alimentan como longitudes de las ventanas deslizantes para tener una versión comprimida de las ventanas deslizantes.

Por lo tanto, tendríamos una solución, como tal – 

 # Get sliding windows from skimage.util.shape import view_as_windows w = view_as_windows(X, (1,16,16,1))[...,0,:,:,0] # Index and get our specific windows out = w[np.arange(X.shape[0]),x,y] # If you need those in the same format as in the posted loopy code out = out.transpose(0,2,3,1)