scikit-learn的extract_patches_2d支持步长吗？如何实现步长32的图像分块？

嘿，我刚好碰到过一模一样的需求！extract_patches_2d确实默认只能用步长1做密集采样，没法直接设置步长参数，但有两个亲测好用的办法能实现你要的效果，咱们一步步来：

方法一：用skimage.util.view_as_windows（推荐） #

scikit-image里的view_as_windows专门支持自定义步长的滑动窗口提取，用法非常直观，而且效率很高。

代码示例（结合你的load_train_data函数）： #

from skimage.util import view_as_windows

def load_train_data(self):
    imgs_row, imgs_col = 512, 512
    patch_size = (64, 64)
    stride = 32
    
    train_list = []
    train_img = []
    label_list = []
    label_img = []
    
    # 假设你已经加载了单通道灰度图，形状为(512,512)
    # 如果是RGB图，形状是(512,512,3)，只需把patch_size改成(64,64,3)即可
    for img in your_train_images:  # 替换成你的图像加载逻辑
        # 生成带步长的窗口
        patches = view_as_windows(img, window_shape=patch_size, step=stride)
        # 把形状从(行数, 列数, 64, 64)转换成(N, 64, 64)，方便后续处理
        patches = patches.reshape(-1, *patch_size)
        train_img.extend(patches)
    
    # 标签部分同理处理
    # ... 你的其他逻辑

这个方法会自动计算所有符合条件的块：512×512的图，步长32提取64×64的块，横向和纵向各有(512-64)/32 +1 = 15个，总共15×15=225个块，完全符合需求。

方法二：手动循环切片（无额外依赖） #

如果不想引入scikit-image的依赖，也可以手动计算每个块的起始坐标，循环提取，逻辑更透明：

代码示例： #

def load_train_data(self):
    imgs_row, imgs_col = 512, 512
    patch_size = 64
    stride = 32
    
    train_list = []
    train_img = []
    label_list = []
    label_img = []
    
    for img in your_train_images:
        # 计算所有x方向的起始坐标
        x_starts = range(0, imgs_col - patch_size + 1, stride)
        # 计算所有y方向的起始坐标
        y_starts = range(0, imgs_row - patch_size + 1, stride)
        
        for y in y_starts:
            for x in x_starts:
                # 提取当前块
                patch = img[y:y+patch_size, x:x+patch_size]
                train_img.append(patch)
    
    # 标签部分同理处理
    # ... 你的其他逻辑

这个方法和方法一的结果完全一致，只是手动实现了窗口滑动的逻辑，适合需要精细控制的场景。

为什么extract_patches_2d不行？ #

补充说明一下：sklearn.feature_extraction.image.extract_patches_2d的设计目标是密集采样，它会以步长1遍历整个图像提取所有可能的块，没有提供步长参数的接口，所以如果要自定义步长，就得用上面两种方法啦。

内容的提问来源于stack exchange，提问作者doyle