将一系列图像缝合在一起的最具python风格的方法

我有一组来自自动显微镜程序的图像，该程序从96孔板获取图像（下图）。每个图像的名称为：

\u.tif

96孔板的每个孔进一步细分为多个位置，这些位置按X X X Y矩阵排列，编号逐行排列（下图）

例如，96孔板中左上井第（10,9）个位置的图像将命名为

A01_s90.tif

---

什么是将图像缝合在一起的最适合的方法？我目前正在使用OpenCV加载图像并调用

numpy。在四个
循环中连接
，但这似乎非常笨拙。
类似于下面的代码？我假设问题在于缝合，而不是文件名和井/场地索引之间的转换

import numpy as np
import matplotlib.pyplot as plt

img_ysize, img_xsize = 20, 20 # size of single image
my, mx = 10, 10 # x/y grid of sites per well
ny, nx = 8, 12 # x/y grid of wells per plate
wgap = 20 # pixels gap between wells
stitched_x, stitched_y = (wgap+mx*img_xsize)*nx, (wgap+my*img_ysize)*ny

img_stitched = np.zeros((stitched_y, stitched_x), dtype=np.uint8)

def add_img(mxi, myi, nxi, nyi, img):
    assert img.shape == (img_ysize, img_xsize)
    xi = nxi*(mx*img_xsize + wgap) + mxi*img_xsize
    yi = nyi*(my*img_ysize + wgap) + myi*img_ysize
    img_stitched[yi:yi+img_ysize,xi:xi+img_xsize] = img

for nxi in range(nx):
    for nyi in range(ny):
        for mxi in range(mx):
            for myi in range(my):
                # ... get image data
                img = np.random.randint(0,255) * np.ones((img_ysize, img_xsize), dtype=np.uint8)
                add_img(mxi, myi, nxi, nyi, img)

plt.imshow(img_stitched)
plt.colorbar()
plt.show()

Han Kwang Nienhuys的答案并没有消除四个嵌套的for循环，这困扰了OP

以下是他的答案的修改版本，只有一个for循环：

import numpy as np
import matplotlib.pyplot as plt
from itertools import product

img_xsize, img_ysize = 20, 20 # size of single image
mx, my = 10, 10 # x/y grid of sites per well
nx, ny = 12, 8 # x/y grid of wells per plate
wgap = 20 # pixels gap between wells
stitched_x, stitched_y = (wgap+mx*img_xsize)*nx, (wgap+my*img_ysize)*ny

img_stitched = np.zeros((stitched_y, stitched_x), dtype=np.uint8)

def add_img(mxi, myi, nxi, nyi, img):
    assert img.shape == (img_ysize, img_xsize)
    xi = nxi*(mx*img_xsize + wgap) + mxi*img_xsize
    yi = nyi*(my*img_ysize + wgap) + myi*img_ysize
    img_stitched[yi:yi+img_ysize,xi:xi+img_xsize] = img

for nxi, nyi, mxi, myi in product(range(nx), range(ny), range(mx), range(my)):
    # ... get image data
    img = np.random.randint(0,255) * np.ones((img_ysize, img_xsize), dtype=np.uint8)
                add_img(mxi, myi, nxi, nyi, img)

plt.imshow(img_stitched)
plt.colorbar()
plt.show(block=False)
raw_input("Enter")

在
for
循环中串联数组效率非常低，因为它会在每次调用时强制执行数据的副本。您最好在
列表
中累积子数组，并在
外为
循环连接它们，或者初始化一个与最终图像大小相同的大数组，并使用切片索引将子数组写入其中。此算法确实比以前基于实现的级联算法快得多，并且从代码角度来看也更整洁。