如何高效生成包含原始图像坐标的图像重叠补丁？

可以自己实现一个和sklearn.feature_extraction.image.extract_patches_2d输出顺序一致的函数，同时返回每个补丁在原始图像中的坐标信息，具体实现如下：

函数代码 #

import numpy as np

def get_patches_and_coords_function(img, patch_dim=(40, 30)):
    img_height, img_width = img.shape[:2]
    patch_h, patch_w = patch_dim
    
    # 计算所有合法的起始坐标（y_top对应图像高度方向的行起始，x_top对应宽度方向的列起始）
    y_starts = np.arange(0, img_height - patch_h + 1, 1)
    x_starts = np.arange(0, img_width - patch_w + 1, 1)
    
    coords = []
    patches_list = []
    
    # 保持和sklearn工具输出的补丁顺序一致：先遍历行起始，再遍历列起始
    for y_top in y_starts:
        for x_top in x_starts:
            # 提取当前补丁
            patch = img[y_top:y_top+patch_h, x_top:x_top+patch_w]
            patches_list.append(patch)
            # 存储坐标信息
            coords.append({
                'x_top': int(x_top),
                'y_top': int(y_top),
                'w': patch_w,
                'h': patch_h
            })
    
    # 将补丁列表转为numpy数组，和sklearn输出格式匹配
    patches = np.stack(patches_list)
    return patches, coords

使用示例 #

from matplotlib import image

# 加载图像为像素数组
img = image.imread('kolala.jpeg')  # img.shape = (2000, 1000)

# 提取补丁和对应坐标
patches, coords = get_patches_and_coords_function(img, patch_dim=(40, 30))

# 打印前3个坐标示例
for coord in coords[:3]:
    print(coord)

额外说明 #

• 函数输出的patches数组格式和sklearn.extract_patches_2d完全一致，可直接替换使用
• 若需要自定义滑动步长，只需修改np.arange中的步长参数即可，例如步长改为2时，写np.arange(0, img_height - patch_h +1, 2)
• 坐标字典中的x_top是补丁左上角的列索引，y_top是左上角的行索引，w和h为补丁的固定宽高

内容的提问来源于stack exchange，提问作者Becky W