遇到这么个需求：把图片按照定义的patchsize切块，然后按照z轴顺序叠放小块，如下图(仅考虑灰度图像)
图片im，设size为（h，w），patchsize为（ph，pw），则处理后大小（为简化描述，假设可以整除）为（ph，pw，w*h/ph/pw）。
为简化描述，后面用h=300，w=300，ph=100，pw=100 为例，即处理后d=9。
numpy.reshape 的文档：点击打开链接
特别注意第三个参数 order，其默认取值为 order=‘c'，表示最后一个维度的元素在reshape时优先重排位置。而order=‘f'时则相反，第一个维度的元素优先重排位置。
例子如下，得到的im2就是这么一个tensor
|
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
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
|
import cv2
import numpy as np
im=cv2.imread('animal007.jpg',cv2.imread_grayscale)
h= 300
w= 300
patchsize=100
d=h*w/patchsize/patchsize
print d
#crop the image to h x w
im=np.array(im[: h ,: w ])
#this gets wrong answer
im_wrong1=im.reshape((patchsize,patchsize,-1))
im_wrong7= im.reshape((patchsize,patchsize,-1),order='f')
im_wrong2=im.reshape(( h ,patchsize,-1)).reshape((patchsize,patchsize,-1))
im_wrong3=im.reshape((patchsize, w ,-1)).reshape((patchsize,patchsize,-1))
im_wrong4= im.reshape(( h ,patchsize,-1),order='f').reshape((patchsize,patchsize,-1))
im_wrong5= im.reshape(( h ,patchsize,-1),order='f').reshape((patchsize,patchsize,-1),order='f')
im_wrong6= im.reshape((patchsize, w ,-1),order='f').reshape((patchsize,patchsize,-1),order='f')
#this only works for h=w, i dont know why
im2= im.reshape((patchsize, w ,-1),order='f').reshape((patchsize,patchsize,-1))
im2_0=im2[:,:,no]
cv2.imwrite('im2_0.jpg',im2_0)
no=4;
imw=im_wrong1[:,:,no]
cv2.imwrite('imw1_0.jpg',imw)
imw=im_wrong2[:,:,no]
cv2.imwrite('imw2_0.jpg',imw)
imw=im_wrong3[:,:,no]
cv2.imwrite('imw3_0.jpg',imw)
imw=im_wrong4[:,:,no]
cv2.imwrite('imw4_0.jpg',imw)
imw=im_wrong5[:,:,no]
cv2.imwrite('imw5_0.jpg',imw)
imw=im_wrong6[:,:,no]
cv2.imwrite('imw6_0.jpg',imw)
imw=im_wrong7[:,:,no]
cv2.imwrite('imw7_0.jpg',imw)
|
以上这篇在python2.7中用numpy.reshape 对图像进行切割的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/u014722627/article/details/55259617