Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/363.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python 将值分配到图像数组的随机块的有效方法?_Python_Numpy_Image Processing - Fatal编程技术网

Python 将值分配到图像数组的随机块的有效方法?

Python 将值分配到图像数组的随机块的有效方法?,python,numpy,image-processing,Python,Numpy,Image Processing,我有一个3d numpy阵列。这是一个二维正方形图像阵列,大小都相同。我的任务是阻止图像的随机方形补丁(将所有像素值设置为0)。在我只有一张图片的情况下,我可以想出如何做到这一点,如下所示 x = np.random.randint(image_width - size) y = np.random.randint(image_width - size) image[x:x + size, y:y + size] = 0 其中size是被封锁区域的大小。我不知道如何有效地对2d图像阵列执行此技

我有一个3d numpy阵列。这是一个二维正方形图像阵列,大小都相同。我的任务是阻止图像的随机方形补丁(将所有像素值设置为0)。在我只有一张图片的情况下,我可以想出如何做到这一点,如下所示

x = np.random.randint(image_width - size)
y = np.random.randint(image_width - size)
image[x:x + size, y:y + size] = 0
其中size是被封锁区域的大小。我不知道如何有效地对2d图像阵列执行此技术,其中,为每个图像随机生成遮挡面片(不一定是阵列中每个图像中遮挡的相同面片)。我对我必须处理的所有新的索引工具(广播、奇特的索引等)感到有点迷茫,我想知道是否有一种快速而简单的方法可以做到这一点,谢谢。我目前的方法是使用for循环简单地迭代每个图像,一次只做一个图像,但我想知道numpy是否足够强大,能够以某种方式一下子完成所有这些操作。我确实意识到我需要使用

x_array = np.random.randint(image_width - size, size=len(image_array))
y_array = np.random.randint(image_width - size, size=len(image_array))
在某个时刻,但我不知道在哪里。

我们可以利用based来获得滑动窗口

样本运行

设置输入-

In [60]: image_array # input array
Out[60]: 
array([[[54, 57, 74, 77, 77],
        [19, 93, 31, 46, 97],
        [80, 98, 98, 22, 68],
        [75, 49, 97, 56, 98]],

       [[91, 47, 35, 87, 82],
        [19, 30, 90, 79, 89],
        [57, 74, 92, 98, 59],
        [39, 29, 29, 24, 49]],

       [[42, 75, 19, 67, 42],
        [41, 84, 33, 45, 85],
        [65, 38, 44, 10, 10],
        [46, 63, 15, 48, 27]]])

In [68]: size
Out[68]: 2

# x and y starting indices for 0s assignments 
In [65]: x_array
Out[65]: array([1, 0, 1])

In [66]: y_array
Out[66]: array([2, 2, 0])
使用建议的解决方案-

In [62]: w = view_as_windows(a,(1,size,size))[...,0,:,:]

In [63]: w[np.arange(len(x_array)),x_array,y_array] = 0

In [64]: image_array # verify
Out[64]: 
array([[[54, 57, 74, 77, 77], # start at (1,2)
        [19, 93,  0,  0, 97],
        [80, 98,  0,  0, 68],
        [75, 49, 97, 56, 98]],

       [[91, 47,  0,  0, 82], # start at (0,2)
        [19, 30,  0,  0, 89],
        [57, 74, 92, 98, 59],
        [39, 29, 29, 24, 49]],

       [[42, 75, 19, 67, 42], # start at (1,0)
        [ 0,  0, 33, 45, 85],
        [ 0,  0, 44, 10, 10],
        [46, 63, 15, 48, 27]]])

所以,
图像
(N,W,H)
,即N个图像?此外,所有图像的大小是否相同(W,H)?图像数组为(N,W,H)。这些图像都是同样大小的,都是方形的。
In [62]: w = view_as_windows(a,(1,size,size))[...,0,:,:]

In [63]: w[np.arange(len(x_array)),x_array,y_array] = 0

In [64]: image_array # verify
Out[64]: 
array([[[54, 57, 74, 77, 77], # start at (1,2)
        [19, 93,  0,  0, 97],
        [80, 98,  0,  0, 68],
        [75, 49, 97, 56, 98]],

       [[91, 47,  0,  0, 82], # start at (0,2)
        [19, 30,  0,  0, 89],
        [57, 74, 92, 98, 59],
        [39, 29, 29, 24, 49]],

       [[42, 75, 19, 67, 42], # start at (1,0)
        [ 0,  0, 33, 45, 85],
        [ 0,  0, 44, 10, 10],
        [46, 63, 15, 48, 27]]])