extract_patches_2d

sklearn.feature_extraction.image.extract_patches_2d(image, patch_size, *, max_patches=None, random_state=None)[source]

Преобразование 2D изображения в набор фрагментов.

Полученные фрагменты размещаются в отдельном массиве.

Подробнее см. в Руководстве пользователя.

Параметры:

imagendarray формы (высота_изображения, ширина_изображения) или (высота_изображения, ширина_изображения, n_каналов)

Исходные данные изображения. Для цветных изображений последнее измерение определяет канал: RGB-изображение будет иметь n_channels=3.

patch_sizeкортеж из целых чисел (высота_фрагмента, ширина_фрагмента)

Размеры одного фрагмента.

max_patchesцелое число или дробное, по умолчанию=None

Максимальное количество фрагментов для извлечения. Если max_patches является дробным числом от 0 до 1, оно интерпретируется как доля от общего числа фрагментов. Если max_patches равно None, оно соответствует общему количеству извлекаемых фрагментов.

random_stateцелое число, экземпляр RandomState, по умолчанию=None

Определяет генератор псевдослучайных чисел, используемый для случайной выборки, когда max_patches не равно None. Используйте целое число для детерминированного результата. См. Словарь.

Возвращаемое значение:

patchesмассив формы (n_фрагментов, высота_фрагмента, ширина_фрагмента) или (n_фрагментов, высота_фрагмента, ширина_фрагмента, n_каналов)

Коллекция фрагментов, извлеченных из изображения, где n_patches равно max_patches или общему количеству извлекаемых фрагментов.

Примеры

>>> from sklearn.datasets import load_sample_image
>>> from sklearn.feature_extraction import image
>>> # Use the array data from the first image in this dataset:
>>> one_image = load_sample_image("china.jpg")
>>> print('Image shape: {}'.format(one_image.shape))
Image shape: (427, 640, 3)
>>> patches = image.extract_patches_2d(one_image, (2, 2))
>>> print('Patches shape: {}'.format(patches.shape))
Patches shape: (272214, 2, 2, 3)
>>> # Here are just two of these patches:
>>> print(patches[1])
[[[174 201 231]
  [174 201 231]]
 [[173 200 230]
  [173 200 230]]]
>>> print(patches[800])
[[[187 214 243]
  [188 215 244]]
 [[187 214 243]
  [188 215 244]]]

Примеры галереи

Обучение онлайн словаря фрагментов лиц

Демёнинг изображений с помощью обучения словарям