用於隨機圖像裁剪的高效 Numpy 切片

用於從表示多個彩色圖像的 4D Numpy 數組中高效裁剪隨機 16x16區塊（其中第一個維度是影像的數量，第二個和第三個維度是相等的寬度和高度），基於跨步的方法可以是

利用np.lib.stride_tricks .as_strided 或scikit-image 的view_as_windows

這些方法會建立滑動視窗作為輸入陣列的視圖，從而減少記憶體開銷。 Scikit-image 的 view_as_windows 透過將視窗形狀指定為元組（其元素對應於輸入數組的維度）來簡化設定。滑動的軸指定視窗長度，其他軸設定為1。

程式碼範例

# 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)

此程式碼產生四個隨機 (x_offset, y_offset) 對，並在給定參數內提取 4 個隨機 16x16 補丁，記憶體開銷最小。