我使用下面的代碼將影像分成塊
block = []
for x in range(0, 224,16):
for y in range(0, 224,16):
block.append(im[y:y 16, x:x 16])
np_block = np.array(block)
影像形狀為224,224,3，每個塊為16,16,3。如何將這些塊組合在一起以形成完整的影像？當我重塑它（np_block.reshape(224, 224,3)）時，我得到了與真實影像完全不同的下圖
編輯： 這已在評論部分得到回答，如下所示：
reshaped_img = np_block.reshape(14,14,16,16,3).transpose(0,3,1,2,4).reshape(14*16,14*16,3)
與原始影像相比，生成的影像被旋轉并翻轉。這是原始影像
這是所提供的將塊合并在一起的方法的結果影像
這樣做restored_img = np.flip(np.rot90(reshaped_img, k=1, axes=(0, 1)), axis=0)將正確地將生成的影像恢復為其原始形式。
但是，restored_img在 pytorch 中轉換為張量，tensor_img = torch.from_numpy(restored_img)會引發以下錯誤：
ValueError: At least one stride in the given numpy array is negative, and tensors with negative strides are not currently supported. (You can probably work around this by making a copy of your array with array.copy().)
我按照錯誤訊息中的建議解決了這個問題。
tensor_img = torch.from_numpy(restored_img.copy())擺脫了錯誤，但restored_img不保留所做的轉換（旋轉和翻轉）。tensor_img仍然與上面的最后一張圖片相同。
我注意到在分割原始影像時，分割的塊沒有以正確的順序附加。這在np_block我將其可視化時很明顯（上面的第一張圖片看起來是翻轉和旋轉的）。所以，我把這條線block.append(im[y:y 16, x:x 16])改成block.append(im[x:x 16, y:y 16])
因此，重新可視化np_block會給出以下影像
這似乎更接近原始影像，并且塊也看起來它們的順序正確（這是我觀察到的）。但是這些塊不相互重疊。
請問我該如何解決這個問題？
uj5u.com熱心網友回復：
您好，提出的原始解決方案的問題是您必須重新排列塊0,3，1,2如果您交換這些尺寸，那么它將得到解決。查看：
block = [] #create blocks
for x in range(0, 224,16):
for y in range(0, 224,16):
block.append(im[y:y 16, x:x 16])
np_block = np.array(block)
reshaped_img = np_block.reshape(14,14,16,16,3).transpose(1,2,0,3,4).reshape(14*16,14*16,3)
#check indices are now (1,2,0,3,4) instead of (0,3,1,2,4)
plt.imshow(np.hstack([im,reshaped_img]))
編輯
同樣來自原始評論，這只是轉置輸出尺寸
reshaped_img.transpose(1,0)，但是如果您可以在原始重塑中進行更正，這是一個更好的解決方案
編輯 2
使用更正的堆疊（在第一維中使用 x），代碼將是：
block = []
for x in range(0, 224,16):
for y in range(0, 224,16):
block.append(im[x:x 16, y:y 16])
np_block = np.array(block)
reshaped_img = np_block.reshape(14,14,16,16,3).transpose(0,2,1,3,4).reshape(14*16,14*16,3)
這里有莫爾斯意義：塊中 reshape 的第一個維度 (dim 0) 與子塊的第一個維度 (dim 2) 被分組，然后對于塊和子塊 (1,3) 的第二個維度相同。
在任何情況下，您都可以通過以下方式檢查好的解決方案：
plt.imshow(np.hstack([im,reshaped_img]))
編輯 3 上次編輯，這里是檢查原始塊重塑的代碼（使用編輯 2 的代碼）。在這里，您可以看到每個塊都有一些在影像中被切割的感覺：
b = np_block.reshape(14,14,16,16,3)
plt.figure()
for i in range(14):
for j in range(14):
plt.subplot(14,14,14*i j 1)
plt.imshow(b[i,j])
plt.axis('off')
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/497003.html