Schiebe-Fenster mit as_strided Funktion numpy?

Bekommen wie ich zu implementieren, die eine gleitende Fenster auf Basis von python, um Objekte zu erkennen, die in sich noch Bilder, die ich kennenlernen-nette Funktion:

numpy.lib.stride_tricks.as_strided

Also habe ich versucht zu erreichen, eine Allgemeine Regel zu vermeiden, Fehler, die ich möglicherweise fehl, während das ändern der Größe des sliding windows, die ich brauche. Schließlich habe ich diese Darstellung:

all_windows = as_strided(x,((x.shape[0] - xsize)/xstep ,(x.shape[1] - ysize)/ystep ,xsize,ysize), (x.strides[0]*xstep,x.strides[1]*ystep,x.strides[0],x.strides[1])

die Ergebnisse in einem 4-dim matrix. Die ersten zwei steht für die Anzahl der Fenster in x-und y-Achse des Bildes. und die anderen repräsentieren die Größe des Fensters (xsize,ysize) erzeugt

und die step stellt die Verschiebung zwischen zwei aufeinanderfolgenden Fenstern.

Diese Darstellung funktioniert gut, wenn ich wählen Sie eine quadratische Schiebefenster. aber ich habe noch ein problem bei der dies funktioniert für windows e.x. (128,64), wo bekomme ich in der Regel nicht verknüpften Daten zu dem Bild.

Was falsch ist mein code. Irgendwelche Ideen? und wenn es einen besseren Weg, um ein Schiebefenster nett und ordentlich in python für die Bildverarbeitung?

Dank

  • Da waren Sie auf der Suche nach einem template-matching-algorithmen, this post könnte einen Blick Wert sein, der verwendet Schritte.
InformationsquelleAutor JustInTime | 2011-09-24
  1. 3

    Schauen Sie sich die Antworten auf diese Frage: Mit Schritten, die für eine effiziente gleitender-Mittelwert-filter. Im Grunde Fortschritte sind nicht eine gute option, obwohl Sie arbeiten.

    • So gibt es eine bessere alternative, die schnell ist und trotzdem ordentlich für die Extraktion von Schiebefenster auf unterschiedlichen Skalen aus Gründen der Nachweis-und template-matching-algorithmen ??
    • Ich müssen zu extrahieren, so Kindfenster, wo man einige HOG-Funktionen über das Fenster, und klassifizieren diese Instanz gegen die bereits ausgebildeten Klassifizierer, um zu überprüfen, ob es ein Unterfenster ich bin besorgt über die oder nicht.
    • Für das argument zuliebe, der ja etwas ähnliches, über eine HOG, die ich vorher implementiert habe es mit verschachtelten Schleifen zu extrahieren Ihre Zellen Histogramm, dachte ich, dass die Schrittlänge tricks würde sparen, die Leistung und die Beseitigung der Verwendung von 2-Schleifen, die ist wirklich teuer, in diesem Zusammenhang die Verwendung einer Sprache wie python oder matlab.
    • Hallo, waren Sie in der Lage, Ihr problem zu lösen? Ich habe einige Fragen bezüglich des sliding window-Ansatz, ist es möglich, Sie zu Kontaktieren?
    • Werfen Sie einen Blick auf view_as_windows Hoffe, es hilft.
    InformationsquelleAutor Benjamin
  2. 3

    Gibt es ein Problem in Ihrem code. Eigentlich dieser code funktioniert gut für 2D und kein Grund für die Verwendung von multi-dimensionalen version (Mit Schritten, die für eine effiziente gleitender-Mittelwert-filter). Unten ist eine Feste version:

    A = np.arange(100).reshape((10, 10))
print A
all_windows = as_strided(A, ((A.shape[0] - xsize + 1) / xstep, (A.shape[1] - ysize + 1) / ystep, xsize, ysize),
      (A.strides[0] * xstep, A.strides[1] * ystep, A.strides[0], A.strides[1]))
print all_windows
    InformationsquelleAutor Roman Podlinov
  3. 1

    Für die Nachgeborenen:

    Umgesetzt wird dies in scikit-learn in der Funktion sklearn.feature_extraction.image.extract_patches.

    • Ich glaube, dass diese Methode macht eine Kopie von dem original Bild für die patches, und es scheint, die schreitende Methode ist speziell zu vermeiden, das zu tun.
    • Als alternative finden Sie in skimage.util.view_as_windows (scikit-image.org/docs/dev/api/...)
    • nutzt Fortschritte in der allgemeinsten form (funktioniert bei allen ndarrays von beliebiger dimension und die Sie extrahieren können beliebig geformte Flecken in beliebigen Schritten). extract_patches_2d der diese Funktion nutzt, sondern fordert eine Umgestaltung und somit induziert Sie eine Kopie (dies ist, wollte der 2D-Fall). [full disclosure: ich schrieb extract_patches]
    • Es sieht aus wie die skimage Funktion implementiert die gleiche Funktionalität. Der Vollständigkeit halber, hier ist die Quelle extract_patches
    • Du hast Recht, mein Fehler. Ich irrtümlicherweise verwendet extract_patches_2d statt extract_patches.
    InformationsquelleAutor eickenberg
Schreibe einen Kommentar