Effizientes Numpy-Slicing für zufälliges Zuschneiden von Bildern

Für effizientes Zuschneiden von zufälligen 16x16-Patches aus einem 4D-Numpy-Array, das mehrere Farbbilder darstellt (wobei die (Die erste Dimension ist die Anzahl der Bilder und die zweite und dritte sind die gleiche Breite und Höhe.) kann ein schrittbasierter Ansatz sein genutzt.

Verwendung von np.lib.stride_tricks.as_strided oder scikit-images view_as_windows

Diese Methoden erstellen Schiebefenster als Ansichten im Eingabearray und reduzieren so den Speicheraufwand. view_as_windows von Scikit-image vereinfacht die Einrichtung, indem es die Fensterform als Tupel angibt, dessen Elemente den Abmessungen des Eingabearrays entsprechen. Achsen zum Schieben werden Fensterlängen zugewiesen und andere Achsen werden auf 1 gesetzt.

Codebeispiel

# Import scikit-image for view_as_windows
from skimage.util.shape import view_as_windows

# Get sliding windows
w = view_as_windows(X, (1,16,16,1))[...,0,:,:,0]

# Generate random per-image offsets
x = np.random.randint(0,12,X.shape[0])
y = np.random.randint(0,12,X.shape[0])

# Index and extract specific windows
out = w[np.arange(X.shape[0]),x,y]

# Reformat if necessary
out = out.transpose(0,2,3,1)

Dieser Code generiert vier zufällige (x_offset, y_offset) Paare und extrahiert 4 zufällige 16x16-Patches innerhalb der angegebenen Parameter mit minimalem Speicheraufwand.