今天小編就爲大家分享一篇在python2.7中用numpy.reshape 對圖像進行切割的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
遇到這麼個需求：把圖片按照定義的patchsize切塊，然後按照z軸順序疊放小塊，如下圖(僅考慮灰度圖像)
圖片im，設size爲（h，w），patchsize爲（ph，pw），則處理後大小（爲簡化描述，假設可以整除）爲（ph，pw，w*h/ph/pw）。
爲簡化描述，後面用h=300，w=300，ph=100，pw=100 爲例，即處理後d=9。
numpy.reshape 的文檔：點擊打開鏈接
特別注意第三個參數 order，其默認取值爲 order=‘C'，表示最後一個維度的元素在reshape時優先重排位置。而order=‘F'時則相反，第一個維度的元素優先重排位置。
例子如下，得到的im2就是這麼一個tensor
import cv2
import numpy as np
im=cv2.imread('animal007.jpg',cv2.IMREAD_GRAYSCALE)
h= 300
w= 300
patchsize=100
d=h*w/patchsize/patchsize
print d
#crop the image to h x w
im=np.array(im[: h ,: w ])
#this gets wrong answer
im_wrong1=im.reshape((patchsize,patchsize,-1))
im_wrong7= im.reshape((patchsize,patchsize,-1),order='F')
im_wrong2=im.reshape(( h ,patchsize,-1)).reshape((patchsize,patchsize,-1))
im_wrong3=im.reshape((patchsize, w ,-1)).reshape((patchsize,patchsize,-1))
im_wrong4= im.reshape(( h ,patchsize,-1),order='F').reshape((patchsize,patchsize,-1))
im_wrong5= im.reshape(( h ,patchsize,-1),order='F').reshape((patchsize,patchsize,-1),order='F')
im_wrong6= im.reshape((patchsize, w ,-1),order='F').reshape((patchsize,patchsize,-1),order='F')
#this only works for h=w, i dont know why
im2= im.reshape((patchsize, w ,-1),order='F').reshape((patchsize,patchsize,-1))
im2_0=im2[:,:,no]
cv2.imwrite('im2_0.jpg',im2_0)
no=4;
imw=im_wrong1[:,:,no]
cv2.imwrite('imw1_0.jpg',imw)
imw=im_wrong2[:,:,no]
cv2.imwrite('imw2_0.jpg',imw)
imw=im_wrong3[:,:,no]
cv2.imwrite('imw3_0.jpg',imw)
imw=im_wrong4[:,:,no]
cv2.imwrite('imw4_0.jpg',imw)
imw=im_wrong5[:,:,no]
cv2.imwrite('imw5_0.jpg',imw)
imw=im_wrong6[:,:,no]
cv2.imwrite('imw6_0.jpg',imw)
imw=im_wrong7[:,:,no]
cv2.imwrite('imw7_0.jpg',imw)
以上這篇在python2.7中用numpy.reshape 對圖像進行切割的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持神馬文庫。