将 5 维平铺图像重塑为 3 维正常图像

Question

我正在创建一个程序，它使用由形状 (n, n, 3, l, l) 平铺的 RGB 图像。 n 是图像每一侧的每个图块的数量，l 是以像素为单位的每个图块的长度。我正在尝试将其重塑为 (3, l * n, l * n) 形状。一个例子是形状 (7, 7, 3, 224, 224) 到 (3, 224, 224)。

我想保留新矩阵中像素的位置，以便稍后可视化此图像。如果我从棋盘图案的图像开始（每个其他图块的所有像素值都设置为 1，请参见下面的示例），并使用 .reshape((3, 224, 224)) 结果如下：

棋盘格（想要的结果）

整形方式错误

我已经制作了这种用于合并图块的循环方法，它有效，但速度很慢：

# l: the pixel length of each tile
img_reshaped = torch.zeros((3, 224, 224))
for i in range(len(img)):
    for j in range(len(img[i])):
        img_reshaped[:, i * l:(i + 1) * l, j * 32:(j + 1) * l] = noise[i, j]

我也尝试过使用 .fold()，但这只适用于 3D 矩阵，而不适用于 5D。

关于如何解决这个问题的任何提示？感觉应该比较简单，就是现在想不通

PS：我用来生成棋盘的代码：

noise = torch.zeros((7, 7, 3, 32, 32))

for i in range(len(noise)):
    for j in range(len(noise[i])):
        if (i % 2 == 0 and j % 2 != 0) or (i % 2 != 0 and j % 2 == 0):
            noise[i][j] = torch.ones((3, 32, 32))

Answer 1

我认为你需要在重塑之前转置：

n,l=2,3
arr=np.zeros((n,n,3,l,l))

for i in range(n):
    for j in range(n):
        arr[i,j] = (i+j)%2

out= arr.transpose(2,0,3,1,4).reshape(3,n*l,-1)

输出：

将 5 维平铺图像重塑为 3 维正常图像

Reshape 5-dimensional tiled image to 3-dimensional normal image

python

reshape

python-imaging-library

pytorch