extract_patches_2d#

sklearn.feature_extraction.image.extract_patches_2d(image, patch_size, *, max_patches=None, random_state=None)#

将2D图像重塑为补丁集合。

结果补丁在专用数组中分配。

更多信息请参阅 用户指南 。

Parameters:
imagendarray of shape (image_height, image_width) 或 (image_height, image_width, n_channels)

原始图像数据。对于彩色图像，最后一个维度指定通道：RGB图像将有 n_channels=3 。

patch_size整数元组 (patch_height, patch_width)

一个补丁的尺寸。

max_patches整数或浮点数, 默认=None

要提取的最大补丁数。如果 max_patches 是0到1之间的浮点数，则被视为总补丁数的比例。如果 max_patches 为None，则对应于可以提取的总补丁数。

random_state整数, RandomState实例, 默认=None

确定用于随机抽样的随机数生成器，当 max_patches 不为None时。使用整数使随机性确定。 参见 术语表 。

Returns:
patches形状为 (n_patches, patch_height, patch_width) 或 (n_patches, patch_height, patch_width, n_channels) 的数组

从图像中提取的补丁集合，其中 n_patches 要么是 max_patches ，要么是可以提取的总补丁数。

Examples

>>> from sklearn.datasets import load_sample_image
>>> from sklearn.feature_extraction import image
>>> # 使用此数据集中第一张图像的数组数据：
>>> 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)
>>> # 这里只是其中的两个补丁：
>>> 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]]]
On this page
Show Source