임의의 이미지 자르기를 위한 효율적인 Numpy 슬라이싱

여러 컬러 이미지를 나타내는 4D Numpy 배열에서 임의의 16x16 패치를 효율적으로 자르기 위해(여기서 첫 번째 차원은 이미지 수이고, 두 번째와 세 번째 차원은 동일한 너비와 높이입니다.) 스트라이드 기반 접근 방식은 다음과 같습니다. 활용됩니다.

np.lib.stride_tricks.as_strided 또는 scikit-image의 view_as_windows

이러한 메서드는 입력 배열에 대한 뷰로 슬라이딩 창을 생성하여 메모리 오버헤드를 줄입니다. Scikit-image의 view_as_windows는 창 모양을 입력 배열의 크기에 해당하는 요소가 있는 튜플로 지정하여 설정을 단순화합니다. 슬라이딩 축에는 창 길이가 할당되고 다른 축은 1로 설정됩니다.

코드 예

# 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)

이 코드는 4개의 무작위(x_offset, y_offset) 쌍을 생성하고 최소 메모리 오버헤드로 지정된 매개변수 내에서 4개의 무작위 16x16 패치를 추출합니다.