用padding=wrap快速实现裁剪

Question

我有一个非常长的循环，我在不同的位置裁剪图像，有一个固定大小的平方窗口，以获得numpy数组。

我正在使用来自crop图像库的PIL。然后，我将其转换为带有numpy的np.asarray数组。

from PIL import Image
import numpy as np
im=Image.open("image.png")
box=(left,top,left+width,top+width)
res=np.asarray(im.crop(box))

然而，实现的唯一填充(当裁剪的中心小于边框的宽度/2)是不变的0，我希望它是“包装”填充，就像在numpy pad文档中一样。

我的解决办法就是做这样的事。

array=np.asarray(Image.open("image.png"))
padded_array=np.pad(array,((width/2,width/2),(width/2,width/2),(0,0)),"wrap")
res=padded_array[top+width/2:top+width/2+width,left+width/2:left+width/2+width]

我想知道是否有一种更有效的方法来做到这一点。

Answer 1

您可以使用numpy.take对边缘进行包装，例如，使用3x3裁剪窗口：

a = numpy.arange(100).reshape((10,10))
a.take([8,9,10], mode="wrap", axis=1).take([9,10,11], mode="wrap", axis=0)

它还接受索引列表，例如两个裁剪窗口：

b = a.take([[8,9,10],[3,4,5]], mode="wrap", axis=1).take([[9,10,11],[9,10,11]], mode="wrap", axis=0)

然后，您可以恢复已裁剪的窗口：

window1 = b[0,:,0::2].reshape(3,3)
>>> array([[98, 99, 90],
           [ 8,  9,  0],
           [18, 19, 10]])
window2 = b[1,:,1::2].reshape(3,3)
>>> array([[93, 94, 95],
           [ 3,  4,  5],
           [13, 14, 15]])

对于小窗口，这样做可能是有效的，但是对于较大的窗口，您可能希望在一个循环中一次指定一组索引。