我想从512x512颜色图像中提取彩色图像补丁,然后将它们作为单个图像补丁保存在文件夹中。如何从这些图像补丁中重建我的原始图像?我已经阅读并研究了类似问题,但它们无法解决我的问题。
我已经完成了读取的措施,并决定使用浏览中的view_as_windows函数来执行我的图像修补程序。我还设法将修补程序保存到PNG文件。
当前使用弹丸view_as_window从颜色图像尺寸的512x512 patch_img = view_as_windows(input_img, (128, 128, 3), step=64)
提取补丁时,在揭示输出阵列的详细信息时,我注意到 patch_img
的形状为(7,7,7,7,1,128,128,3(和dtypeunint8。要将每个补丁保存为单个图像,我使用以下代码。
for i in range(0, len(patch_img)): #range should be 0 to 6
for x in range(0, len(patch_img)):
fname= 'IMG_test_{}_{}.png'.format(i, x)
#cv2.imwrite(fname, crop_img[i,x,0,:,:,:])
使用CV2加载整个文件夹使用保存的图像时,我无法获得相同的形状和patch_img
的dtype,而是我得到了一个形状(49、128、128、3(。我该如何修复。
编辑:使用savedimg = savedimg.reshape(7,7,128 128, 3)
另外,如何使用保存的图像补丁来重建原始图像?
让我们假设我们首先要处理一些更简单的事情。假设我们想将2D数组分开,而不是2D RGB数组,例如:
>>> image_arr = np.array(list(range(1, 26))).reshape((5,5))
>>> image_arr
array([[ 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.]])
现在,假设我们要将其拆分为2x2
Windows:
>>> patch_arr = view_as_windows(image_arr, (2,2))
让我们比较两个阵列的形状:
>>> image_arr.shape
(5, 5)
>>> patch_arr.shape
(4, 4, 2, 2)
现在,(如果我正确理解您(您是在问我们如何使用patch_arr
重建image_arr
?
我们要处理的方式是我们要创建一个空的NP。由于它们是重叠的,这意味着我们将多次为大多数单元格编写相同的值,但这当然不是问题。
您也可以尝试优化这种方法以仅写给每个单元格一次,但是在这种情况下,我不确定是否值得。
- 让我们创建空数组
>>> reconstructed_arr = np.zeros(shape=(5,5))
>>> reconstructed_arr
array([[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
- 我们现在将在补丁上迭代并将其粘贴到
reconstructed_arr
:
for x in range(patch_arr.shape[0]):
for y in range(patch_arr.shape[1]):
reconstructed_arr[x:x + 2, y:y + 2] = patch_arr[x,y]
- 就是这样
>>> reconstructed_arr
array([[ 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.]])
类似的方法需要应用于您的数据(这次使用RGB值的另一个轴(:
- 生成随机input_img数组
input_img = np.random.rand(512, 512, 3)
- 让我们像您一样创建补丁:
patch_img = view_as_windows(input_img, (128, 128, 3), step=64)
- 重建的空数组:
>>> reconstructed_arr = np.zeros((512, 512, 3))
- 由于您使用了
step=64
。
>>> step = 64
>>> for x in range(patch_img.shape[0]):
for y in range(patch_img.shape[1]):
x_pos, y_pos = x * step, y * step
reconstructed_arr[x_pos:x_pos + 128, y_pos:y_pos + 128] = patch_img[x, y, 0, ...]
>>> (input_img == reconstructed_arr).all()
True