web-dev-qa-db-fra.com

Manière plus idiomatique d'afficher des images dans une grille avec numpy

Existe-t-il un moyen plus idiomatique d'afficher une grille d'images comme dans l'exemple ci-dessous?

import numpy as np

def gallery(array, ncols=3):
    nrows = np.math.ceil(len(array)/float(ncols))
    cell_w = array.shape[2]
    cell_h = array.shape[1]
    channels = array.shape[3]
    result = np.zeros((cell_h*nrows, cell_w*ncols, channels), dtype=array.dtype)
    for i in range(0, nrows):
        for j in range(0, ncols):
            result[i*cell_h:(i+1)*cell_h, j*cell_w:(j+1)*cell_w, :] = array[i*ncols+j]
    return result

J'ai essayé d'utiliser hstack et reshape etc, mais je n'ai pas pu obtenir le bon comportement.

Je suis intéressé à utiliser numpy pour ce faire car il y a une limite au nombre d'images que vous pouvez tracer avec des appels matplotlib à subplot et imshow.

Si vous avez besoin d'échantillons de données à tester, vous pouvez utiliser votre webcam comme suit:

import cv2
import matplotlib.pyplot as plt
_, img = cv2.VideoCapture(0).read()

plt.imshow(gallery(np.array([img]*6)))
pythonpython-3.xnumpyimage-processing
12
Frank Wilson
import numpy as np
import matplotlib.pyplot as plt

def gallery(array, ncols=3):
    nindex, height, width, intensity = array.shape
    nrows = nindex//ncols
    assert nindex == nrows*ncols
    # want result.shape = (height*nrows, width*ncols, intensity)
    result = (array.reshape(nrows, ncols, height, width, intensity)
              .swapaxes(1,2)
              .reshape(height*nrows, width*ncols, intensity))
    return result

def make_array():
    from PIL import Image
    return np.array([np.asarray(Image.open('face.png').convert('RGB'))]*12)

array = make_array()
result = gallery(array)
plt.imshow(result)
plt.show()

donne enter image description here

Nous avons un tableau de formes (nrows*ncols, height, weight, intensity). Nous voulons un tableau de forme (height*nrows, width*ncols, intensity).

L'idée ici est donc d'abord d'utiliser reshape pour diviser le premier axe en deux axes, l'un de longueur nrows et l'autre de longueur ncols:

array.reshape(nrows, ncols, height, width, intensity)

Cela nous permet d'utiliser swapaxes(1,2) pour réorganiser les axes afin que la forme devienne (nrows, height, ncols, weight, intensity). Notez que cela place nrows à côté de height et ncols à côté de width.

Puisque reshape ne change pas l'ordre défilé des données, reshape(height*nrows, width*ncols, intensity) produit maintenant le tableau souhaité.

C'est (dans l'esprit) le même que l'idée utilisée dans la fonction unblockshaped .

14
unutbu

Une autre façon est d'utiliser view_as_blocks . Ensuite, vous évitez de permuter les axes à la main:

from skimage.util import view_as_blocks
import numpy as np

def refactor(im_in,ncols=3):
    n,h,w,c = im_in.shape
    dn = (-n)%ncols # trailing images
    im_out = (np.empty((n+dn)*h*w*c,im_in.dtype)
           .reshape(-1,w*ncols,c))
    view=view_as_blocks(im_out,(h,w,c))
    for k,im in enumerate( list(im_in) + dn*[0] ):
        view[k//ncols,k%ncols,0] = im 
    return im_out
4
B. M.

Cette réponse est basée sur @ unutbu, mais elle concerne les tenseurs ordonnés HWC. En outre, il affiche des tuiles noires pour tous les canaux qui ne sont pas répartis de manière égale dans les lignes/colonnes données.

def tile(arr, nrows, ncols):
    """
    Args:
        arr: HWC format array
        nrows: number of tiled rows
        ncols: number of tiled columns
    """
    h, w, c = arr.shape
    out_height = nrows * h
    out_width = ncols * w
    chw = np.moveaxis(arr, (0, 1, 2), (1, 2, 0))

    if c < nrows * ncols:
        chw = chw.reshape(-1).copy()
        chw.resize(nrows * ncols * h * w)

    return (chw
        .reshape(nrows, ncols, h, w)
        .swapaxes(1, 2)
        .reshape(out_height, out_width))

Voici une fonction detiling correspondante pour la direction inverse:

def detile(arr, nrows, ncols, c, h, w):
    """
    Args:
        arr: tiled array
        nrows: number of tiled rows
        ncols: number of tiled columns
        c: channels (number of tiles to keep)
        h: height of tile
        w: width of tile
    """
    chw = (arr
        .reshape(nrows, h, ncols, w)
        .swapaxes(1, 2)
        .reshape(-1)[:c*h*w]
        .reshape(c, h, w))

    return np.moveaxis(chw, (0, 1, 2), (2, 0, 1)).reshape(h, w, c)
0
Mateen Ulhaq