extract_patches_2d#
- sklearn.feature_extraction.image.extract_patches_2d(image, patch_size, *, max_patches=None, random_state=None)[Quelle]#
Formt ein 2D-Bild in eine Sammlung von Patches um.
Die resultierenden Patches werden in einem dedizierten Array alloziert.
Mehr dazu im Benutzerhandbuch.
- Parameter:
- imagendarray der Form (bild_höhe, bild_breite) oder (bild_höhe, bild_breite, n_kanäle)
Die Originalbilddaten. Für Farbbilder gibt die letzte Dimension den Kanal an: ein RGB-Bild hätte
n_kanäle=3.- patch_sizetuple von int (patch_höhe, patch_breite)
Die Dimensionen eines Patches.
- max_patchesint oder float, Standard=None
Die maximale Anzahl zu extrahierender Patches. Wenn
max_patchesein float zwischen 0 und 1 ist, wird es als Anteil der Gesamtzahl von Patches betrachtet. Wennmax_patchesNone ist, entspricht es der Gesamtzahl der Patches, die extrahiert werden können.- random_stateint, RandomState instance, default=None
Bestimmt den Zufallszahlengenerator, der für die zufällige Stichprobenentnahme verwendet wird, wenn
max_patchesnicht None ist. Verwenden Sie eine Ganzzahl, um die Zufälligkeit deterministisch zu machen. Siehe Glossar.
- Gibt zurück:
- patchesarray der Form (n_patches, patch_höhe, patch_breite) oder (n_patches, patch_höhe, patch_breite, n_kanäle)
Die Sammlung von Patches, die aus dem Bild extrahiert wurden, wobei
n_patchesentwedermax_patchesoder die Gesamtzahl der extrahierbaren Patches ist.
Beispiele
>>> 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]]]
