我希望能够使用一组随机值来边框一个数组(实际上是一个图像文件)。numpy.pad()
函数没有任何模式可以完成此操作。是否有一种简洁的方式来实现这个功能,或者我必须从头开始创建一个函数?
我认为你需要自行创建一个填充函数并将其传递给np.pad
。这个函数用随机整数进行填充。
def random_pad(vec, pad_width, *_, **__):
vec[:pad_width[0]] = np.random.randint(20, 30, size=pad_width[0])
vec[vec.size-pad_width[1]:] = np.random.randint(30,40, size=pad_width[1])
您可以将其与np.pad一起使用:
In [13]: img = np.arange(12).reshape(3, 4)
In [14]: img
Out[14]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [15]: np.pad(img, ((2,3), (1,4)), mode=random_pad)
Out[15]:
array([[26, 21, 22, 24, 21, 37, 37, 37, 39],
[26, 25, 23, 29, 20, 39, 38, 30, 31],
[26, 0, 1, 2, 3, 37, 31, 32, 36],
[29, 4, 5, 6, 7, 30, 32, 33, 37],
[24, 8, 9, 10, 11, 33, 34, 33, 37],
[26, 36, 36, 36, 30, 32, 36, 38, 31],
[29, 33, 34, 38, 35, 31, 33, 37, 33],
[23, 37, 33, 33, 34, 32, 37, 33, 35]])
虽然不是最节省空间的方法,但一种实现方式是创建一个新数组,并将现有数组放置在其中心。
>>> import numpy as np
>>> np.random.seed(444)
>>> arr = np.zeros((4, 5)) # your image array
>>> newsize = tuple(i + 2 for i in arr.shape)
>>> new = np.random.randint(low=0, high=50, size=newsize)
>>> new[1:-1, 1:-1] = arr
>>> new
array([[ 3, 48, 23, 8, 3, 39, 12],
[47, 0, 0, 0, 0, 0, 15],
[34, 0, 0, 0, 0, 0, 0],
[ 6, 0, 0, 0, 0, 0, 6],
[39, 0, 0, 0, 0, 0, 13],
[ 2, 15, 9, 34, 9, 24, 25]])
new[1:-1, 1:-1, 1:-1]
。
您还可以通过将可调用对象传递给np.pad()
来执行此操作,但有一个注意事项(请参见下文):from functools import partial
def _pad_random(vector, pad_width, iaxis, kwargs, low, high):
a, b = np.random.randint(low, high, size=2)
vector[:pad_width[0]] = a
vector[-pad_width[1]:] = b
return vector
pad_random = partial(_pad_random, low=0, high=50)
使用方法:
>>> np.pad(arr, 1, pad_random)
array([[23., 19., 6., 47., 17., 7., 26.],
[26., 0., 0., 0., 0., 0., 37.],
[39., 0., 0., 0., 0., 0., 39.],
[39., 0., 0., 0., 0., 0., 42.],
[28., 0., 0., 0., 0., 0., 47.],
[11., 32., 37., 2., 38., 30., 44.]])
np.pad()
的mode
参数时,看起来这个函数会被调用多次。以下是直接从文档中提取的示例,其中包含一些打印调用:>>> def pad_with(vector, pad_width, iaxis, kwargs):
... pad_value = kwargs.get('padder', 10)
... print(vector[:pad_width[0]])
... print(vector[-pad_width[1]:])
... vector[:pad_width[0]] = pad_value
... vector[-pad_width[1]:] = pad_value
... return vector
...
>>> arr = np.arange(6).reshape(3, 2)
>>> np.pad(arr, 1, pad_with)
[0]
[0]
[0]
[0]
[0]
[0]
[0]
[0]
[10]
[10]
[0]
[0]
[0]
[0]
[0]
[0]
[10]
[10]
array([[10, 10, 10, 10],
[10, 0, 1, 10],
[10, 2, 3, 10],
[10, 4, 5, 10],
[10, 10, 10, 10]])
因此,只要图像不太大,使用上述第一种方法可能更加时间有效。