Ctrl+K

extract_patches_2d#

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

将2D图像重塑为补丁集合。

生成的补丁被分配到专用阵列中。

阅读更多的 User Guide .

参数:
image形状的nd数组（Image_height、Image_宽度）或 （图像_高度、图像_宽度、n_通道）

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

patch_sizeint（patch_height，patch_size）的二元组

一个补丁的尺寸。

max_patchesint或float，默认=无

要提取的最大补丁数。如果 max_patches 是0和1之间的浮动位，则取其占补丁总数的一定比例。如果 max_patches 为无，它对应于可以提取的补丁总数。

random_stateint，RandomState实例，默认=无

确定用于随机采样的随机数生成器 max_patches 不是没有。使用int使随机性具有确定性。看到 Glossary .

返回:
patches形状数组（n_patches、patch_height、patch_宽度）或 （n_patches、patches_height、patch_宽度、n_channels）

从图像中提取的补丁集合，其中 n_patches 要么是 max_patches 或可以提取的补丁总数。

示例

>>> 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]]]
On this page