Python 给定大小为m*n的输入图像X和大小为T的块，如何生成大小为T*T的k个随机非重叠块？

在阅读报纸时，我提出了以下问题：

给定大小为mn、块大小为T的输入图像X，生成大小为TT的k个随机非重叠块

我提出了用左上角坐标表示每个块的想法。然后，我使用下面的一段代码来生成那些不重叠的块。虽然我在这段代码中使用了一些随机性，但结果不是随机的，也没有涵盖所有可能的情况。有什么有效的算法可以做到这一点吗？即使是用于进一步搜索的关键字也会受到欢迎

m, n = Y.shape
T = 44
k = 30
possible_blocks_vert = m // T
possible_blocks_horiz = n // T
possible_blocks = possible_blocks_vert * possible_blocks_horiz
if possible_blocks < k:
    assert False
else:
    last_possible_starting = (divmod(m, T)[1], divmod(n, T)[1])
    random_y0, random_x0 = np.random.randint(last_possible_starting[0]), np.random.randint(last_possible_starting[1])
    random_xs = [random_x0+i*T for i in range(possible_blocks_horiz)]
    random_ys = [random_y0+i*T for i in range(possible_blocks_vert)]
    
    i = 0
    Xs = []
    Ys = []
    for x in np.random.permutation(random_xs):
        for y in np.random.permutation(random_ys):
            Xs.append(x)
            Ys.append(y)
            i += 1
            if (i >= k):
                break
        if (i >= k):
            break
Xs, Ys

m，n=Y.shape
T=44
k=30
可能的\u块\u垂直=m//T
可能的\u块\u水平=n//T
可能的区块=可能的区块\u垂直*可能的区块\u水平
如果可能，_块=k）：
打破
如果（i>=k）：
打破
Xs，Ys

此实现至少有两个缺点：

• 选择首先选择所有第一个随机行，然后选择所有第二个随机行，依此类推，直到选择了所有k个块
• 选择并不是分布在所有可能的地方

注意。本文提出了一种称为局部香农熵（LSE）的新度量，它生成k个随机块，并将其平均香农熵计算为LSE。

您可以尝试（图7.18 c）。也就是说，将图像分割为（至少）

k个

单元，并将每个块放入其中某个随机选取的单元中

---

为简单起见，假设图像为256x256像素，10个块中的每个块为32x32像素。将图像分割成4x4（

ceil（sqrt（k））

）单元的规则网格，每个单元都是64x64大的，从16个单元中选择10个单元，将32x32块随机放置到每个64x64单元中。

我认为您无法一次生成所有的块，同时满足您的所有要求。可以生成每个块并检查其是否不重叠：

随机导入
宽度=100#m
高度=70#n
块大小=12#t
块数=15#k
块=[]
而len（块）

要可视化：

导入matplotlib.pyplot作为plt
从matplotlib.patches导入矩形
ax=plt.gca（）
对于块中的块：
ax.添加补片（矩形（块、块大小、块大小、，
颜色=（random.random（），random.random（），random.random（）））
ax.set_xlim（0，宽度）
ax.set_ylim（0，高度）
plt.show（）

---

请注意，如果没有空间插入额外的块，这种类型的解决方案可能会失败（永远运行）。

有趣的问题。一种方法是随机挑选k个种子细胞，然后随机挑选其中一个进行扩增

另一个考虑因素是区块应遵循什么分布？

给出了一个统一的随机样本，但它有两个相关问题：

它可能会被卡住并永远运行。当它选择的块到目前为止没有空间容纳更多的块时，就会发生这种情况，因此不可能有更多的非冲突块放置

这可能需要很长时间。当有空间容纳更多的块时，就会发生这种情况，但只有一小部分位置是非冲突的，因此需要花费大量时间生成随机冲突位置并拒绝它们

如果kT^2比mn小，那么这两个问题都不会对您造成影响。但在任何情况下，第二个问题都可以被消除（这将使事情全面加速），第一个问题可以被检测并用于回溯或重新启动（这将无限循环转变为可能缓慢但有限的循环）

为了消除第二个问题，我们的想法是，不要选择一个随机（x，y）位置并测试它是否与现有块放置冲突，而是只保留一个非冲突（x，y）位置的列表，并在其中随机选择，然后从该数组中删除所有现在已成为冲突的位置。让我们使用块左上角的坐标表示块放置，并使用（int，int）对的数组

validLocations

来保存列表

最初，将

validLocations

设置为包含所有服从x

在每次迭代中：

如果

validLocations

为空，请从头开始重新启动或回溯。（在这种情况下，伍德福德的算法将永远循环。）

否则，请在此数组中随机选择一个索引。我们知道该位置的坐标对（Rx，Ry）是块的有效位置

将（Rx，Ry）添加到块放置列表中

从

有效位置

中删除所有不再有效的坐标对。也就是说，移除所有对（x，y），以使abs（Rx-x）

---

这不会产生所有可能的随机采样，因为它会阻止两个块驻留在单个单元中，即使