Python NumPy/PyTorch提取图像子集

在Numpy中，给定一堆大小为（N，hl，wl）的大图像

a

，以及大小为（N）的坐标x和大小为（N）的坐标y，我希望得到大小为（N，16,16）的较小图像

在for循环中，它将如下所示：

B=numpy.zeros((N,16,16))
for i in range(0,N):
  B[i,:,:]=A[i,y[i]:y[i]+16,x[i]:x[i]+16]

但我可以仅仅通过索引来实现这一点吗？ 额外的问题：这个索引是否也适用于

pytorch

？如果没有，我如何在那里实现这一点？

非常简单，可以将这些滑动窗口视图作为6D阵列，第四个轴是单体。然后，根据

y

和

x

索引选择我们想要的，用于索引到窗口数组的第二和第三轴，以获得我们的

B

因此，实施将是必要的-

from skimage.util.shape import view_as_windows

BSZ = 16, 16 # Blocksize
A6D = view_as_windows(A,(1,BSZ[0],BSZ[1]))
B_out = A6D[np.arange(N),y,x,0]

解释

为了向其他读者解释问题的真正原因，下面是一个在较小数据集上运行的示例，其块大小为

（2,2）

-

1） 输入阵列（3D）：

2） 要索引到第二轴和第三轴的y和x索引：

In [79]: y
Out[79]: array([1, 2, 0])

In [80]: x
Out[80]: array([1, 1, 0])

3） 最后是所需的输出，它是沿第一轴的每个2D切片的一个块，其起点（左上角点）是该2D切片上的

（y，x）

。请参阅A中的星号以了解这些信息-

In [81]: B
Out[81]: 
array([[[ 2,  6],
        [ 3,  4]],

       [[ 9,  3],
        [10,  8]],

       [[ 4,  8],
        [ 2, 10]]])

---

在numpy中，切片非常简单，同样的逻辑适用于pytorch示例。比如说

imgs = np.random.normal(size=(16,24,24))
imgs[:,0:12,0:12].shape
imgs_tensor = torch.from_numpy(imgs)
imgs_tensor[:,0:12,0:12].size()

---

其中，切片中的第一个

：

指示选择批次中的所有图像。第二个和第三个

：

表示高度和宽度的切片。

这是与PyTorch中的

tf.image.extract\u-scape类似的提取片段的实现。应满足您的需求：
发布的解决方案中有哪一个对您有效？是的，它们都很好，但您的解决方案假设我要寻找的每个样本都有不同的切片。。但如果不在样本上循环，则很难移动到火炬。tensorflow有一个extract_Gliepses函数，目前还可以使用：）谢谢。但是，当你想为每幅图像扫描出不同的重影区域时，你在看torchvision.transforms.RandomCrop吗
imgs = np.random.normal(size=(16,24,24))
imgs[:,0:12,0:12].shape
imgs_tensor = torch.from_numpy(imgs)
imgs_tensor[:,0:12,0:12].size()