【Tensorflow】图解tf.image.extract_patches的用法--提取图片特定区域

心已赠人 2022-10-05 08:59 125阅读 0赞

### 目录 ###

*  1 引言
 *  2 图解
 *   *  2.1 Demo1
     *  2.2 Demo2

# 1 引言 #

（1）作用  
提取图片中的一小块区域，也可以用于分割图片为多个子图片。类似卷积核提取特征，但不一样  
（2）用法

tf.image.extract_patches(
        images,
        sizes,
        strides,
        rates,
        padding,
        name=None
    )

参数：

*  images：图像矩阵，形状必须是\[batch, in\_rows, in\_cols, depth\]
 *  sizes：patche大小，形状必须是：\[1, size\_rows, size\_cols, 1\]
 *  strides：patche移动步长，形状必须是\[1, stride\_rows, stride\_cols, 1\]
 *  rates：有些复杂，形状必须是\[1, rate\_rows, rate\_cols, 1\]，表示隔几个像素点，取一个像素点，直到满足 sizes 。
 *  padding：“VALID”或者“SAME”：
 *  “VALID”：表示所取的patch区域必须完全包含在原始图像中.
 *  "SAME"表示可以取超出原始图像的部分，这一部分进行0填充。
 *  返回值:返回4维tensor，数据类型与输入的 images 类型相同

# 2 图解 #

## 2.1 Demo1 ##

# 生成一张10*10 的图片矩阵，数值范围是1-100
    arr=tf.reshape(tf.range(1,101),[10,10])
    print(arr.numpy())
    print("-"*50)
    arr=tf.reshape(arr,[1,10,10,1])
    # 提取指定区域
    res=tf.image.extract_patches(
    				images=arr, 
    				sizes=[1, 3, 3, 1], 
    				strides=[1, 5, 5, 1], 
    				rates=[1, 1, 1, 1], 
    				padding='VALID')
    print(res.numpy())

**解析**

>  *  sizes=\[1, 3, 3, 1\]：patche大小是3x3，表示要提取的区域是3*3 的矩阵，在图中对应红色3*3的方框
>  *  strides=\[1, 5, 5, 1\]：patche移动步长5x5。先是水平移动5个，水平移动到终点后，在垂直移动5个。在图中对应左方框水平移动了5步。垂直向下移动了5步
>  *  rates=\[1, 1, 1, 1\]：表示在红色方框中提取的步长是1 ，说白了就是每个元素都要提取。该参数决定了红色方框的大小。

![在这里插入图片描述][20210608112436757.png_pic_center]

## 2.2 Demo2 ##

# 生成10*10的图片矩阵，数值范围是1-100
    arr=tf.reshape(tf.range(1,101),[10,10])
    print(arr.numpy())
    print("-"*50)
    arr=tf.reshape(arr,[1,10,10,1])
    # 提取指定区域
    res=tf.image.extract_patches(
    					images=arr, 
    					sizes=[1, 3, 3, 1], 
    					strides=[1, 5, 5, 1], 
    					rates=[1, 2, 2, 1], 
    					padding='VALID')
    print(res.numpy())

![在这里插入图片描述][20210608112930640.png_pic_center]  
**解析**

>  *  sizes=\[1, 3, 3, 1\]：patch大小是3x3,表示要提取的区域是3\*3 的矩阵
>  *  strides=\[1, 5, 5, 1\]：patche移动步长5x5。先是水平移动5个，水平移动到终点后，在垂直移动5个
>  *  rates=\[1, 2, 2, 1\]：表示patche中的每个元素间隔1个提取1个，也就是说sizes变成5。

[20210608112436757.png_pic_center]: /images/20221005/7cde9bcb0f7741668c91de5167a4469e.png
[20210608112930640.png_pic_center]: /images/20221005/ab5e0f924dc5420fa5c05d7928b85d7d.png