Python 在numpy Ndarays切片中跳过行
假设我有一个numpy数组Python 在numpy Ndarays切片中跳过行,python,numpy,multidimensional-array,Python,Numpy,Multidimensional Array,假设我有一个numpy数组img,其中img.shape==(468832,3)。img[::2,::2]做什么?它将形状简化为(234416,3)您能解释一下逻辑吗?它从一个数组中分割每一个备用行,然后是每一个备用列,返回一个大小为(n//2,n//2,…)的数组。 下面是一个使用二维阵列进行切片的示例- >>> a = np.arange(16).reshape(4, 4) >>> a array([[ 0, 1, 2, 3], [ 4
img
,其中img.shape==(468832,3)
。img[::2,::2]
做什么?它将形状简化为(234416,3)
您能解释一下逻辑吗?它从一个数组中分割每一个备用行,然后是每一个备用列,返回一个大小为(n//2,n//2,…)的数组。
下面是一个使用二维阵列进行切片的示例-
>>> a = np.arange(16).reshape(4, 4)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
这是另一个3D阵列的例子-
>>> a = np.arange(27).reshape(3, 3, 3)
>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
它对数组中的每一个备用行,然后是每一个备用列进行切片,返回一个大小为
(n//2,n//2,…)
的数组
下面是一个使用二维阵列进行切片的示例-
>>> a = np.arange(16).reshape(4, 4)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
这是另一个3D阵列的例子-
>>> a = np.arange(27).reshape(3, 3, 3)
>>> a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],
[[ 9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]])
让我们一起阅读文档 (先看粗体部分) 基本切片语法是i:j:k,其中i是开始索引,j是停止索引,k是步骤(k\neq 0)。这将选择索引值为i,i+k,…,i+(m-1)k的m个元素(在相应维度中),其中m=q+(r\neq0)和q和r是通过将j-i除以k:j-i=q k+r得到的商和余数,因此i+(m-1)k
[::2,::2]
将转换为[0:468:2,0:832:2]
,因为您没有在文档中指定前两个或i
和j
。(此处仅指定k
。回想上面的i:j:k
符号。)以步长2选择这些轴上的元素,这意味着沿指定轴每隔选择一个元素
因为您没有为第三维指定,所以将选择“全部”。让我们一起阅读文档 (先看粗体部分) 基本切片语法是i:j:k,其中i是开始索引,j是停止索引,k是步骤(k\neq 0)。这将选择索引值为i,i+k,…,i+(m-1)k的m个元素(在相应维度中),其中m=q+(r\neq0)和q和r是通过将j-i除以k:j-i=q k+r得到的商和余数,因此i+(m-1)k
[::2,::2]
将转换为[0:468:2,0:832:2]
,因为您没有在文档中指定前两个或i
和j
。(此处仅指定k
。回想上面的i:j:k
符号。)以步长2选择这些轴上的元素,这意味着沿指定轴每隔选择一个元素
因为您没有为第三维指定,所以将选择“全部”。好的,我们将RGB图像作为形状的三维阵列:
img.shape=(468,832,3)
现在,img[::2,::2]
我们只是对图像进行下采样(也就是说,我们只从原始图像中每隔取一个像素,将图像大小缩小一半,我们使用2
,这意味着跳过一个像素)。从下面的例子中可以清楚地看到这一点
为了便于理解,让我们看一个简单的灰度图像
In [13]: arr
Out[13]:
array([[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25],
[30, 31, 32, 33, 34, 35],
[40, 41, 42, 43, 44, 45],
[50, 51, 52, 53, 54, 55],
[60, 61, 62, 63, 64, 65]])
In [14]: arr.shape
Out[14]: (6, 6)
In [15]: arr[::2, ::2]
Out[15]:
array([[10, 12, 14],
[30, 32, 34],
[50, 52, 54]])
In [16]: arr[::2, ::2].shape
Out[16]: (3, 3)
请注意切片版本中的像素。另外,观察切片后阵列形状的变化(即减少一半)
现在,图像中的所有三个通道都会进行下采样,因为在第三个轴上没有发生切片。因此,在示例中,您将仅为前两个轴缩小形状
(468, 832, 3)
. . |
. . |
(234, 416, 3)
我们将RGB图像作为三维形状阵列:
img.shape=(468,832,3)
现在,img[::2,::2]
我们只是对图像进行下采样(也就是说,我们只从原始图像中每隔取一个像素,将图像大小缩小一半,我们使用2
,这意味着跳过一个像素)。从下面的例子中可以清楚地看到这一点
为了便于理解,让我们看一个简单的灰度图像
In [13]: arr
Out[13]:
array([[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25],
[30, 31, 32, 33, 34, 35],
[40, 41, 42, 43, 44, 45],
[50, 51, 52, 53, 54, 55],
[60, 61, 62, 63, 64, 65]])
In [14]: arr.shape
Out[14]: (6, 6)
In [15]: arr[::2, ::2]
Out[15]:
array([[10, 12, 14],
[30, 32, 34],
[50, 52, 54]])
In [16]: arr[::2, ::2].shape
Out[16]: (3, 3)
请注意切片版本中的像素。另外,观察切片后阵列形状的变化(即减少一半)
现在,图像中的所有三个通道都会进行下采样,因为在第三个轴上没有发生切片。因此,在示例中,您将仅为前两个轴缩小形状
(468, 832, 3)
. . |
. . |
(234, 416, 3)
你能解释一下[::2,::2]
是如何切片3d数组语言(noob语言)的交替行和列的吗?@VaishnavMK另一个例子应该更清楚。这不是你解释的,而是你理解的。您正在指定沿其切片的“轴”。您能否解释一下[::2,::2]
如何切片3d数组语言(noob语言)的交替行和列?@VaishnavMK另一个例子应该更清楚。这不是什么