合并非重叠数组块

Question

我使用此函数将 (512x512) 二维数组划分为 2x2 块。

skimage.util.view_as_blocks (arr_in, block_shape)
array([[ 0,  1,  2,  3],
   [ 4,  5,  6,  7],
   [ 8,  9, 10, 11],
   [12, 13, 14, 15]])
   >>> B = view_as_blocks(A, block_shape=(2, 2))
   >>> B[0, 0]
   array([[0, 1],
          [4, 5]])
   >>> B[0, 1]
   array([[2, 3],
          [6, 7]])

现在我需要在操作后将相同的块放到它们原来的位置，但是我在 skimage 中看不到任何功能。

像以前一样合并非重叠数组的最佳方法是什么？

谢谢！

Answer 1

使用transpose/swapaxes交换第二个和第三个轴，然后重塑以合并最后两个轴-

B.transpose(0,2,1,3).reshape(-1,B.shape[1]*B.shape[3])
B.swapaxes(1,2).reshape(-1,B.shape[1]*B.shape[3])

样本运行-

In [41]: A
Out[41]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [42]: B = view_as_blocks(A, block_shape=(2, 2))

In [43]: B
Out[43]: 
array([[[[ 0,  1],
         [ 4,  5]],

        [[ 2,  3],
         [ 6,  7]]],


       [[[ 8,  9],
         [12, 13]],

        [[10, 11],
         [14, 15]]]])

In [44]: B.transpose(0,2,1,3).reshape(-1,B.shape[1]*B.shape[3])
Out[44]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

Answer 2

这是你最好使用的地方 einops:

from einops import rearrange

# that's how you could rewrite view_as_blocks
B = rearrange(A, '(x dx) (y dy) -> x y dx dy', dx=2, dy=2)

# that's an answer to your question
A = rearrange(B, 'x y dx dy -> (x dx) (y dy)')

有关图像的更多操作，请参见documentation

合并非重叠数组块

Merging non-overlapping array blocks

python

numpy

scikit-image