我有一个大图像作为2D数组(让我们假设它是一个500 x 1000像素的灰度图像).我有一个小图像(比方说是15 x 15像素).我想将小图像滑过大图像,对于小图像的给定位置,我想计算小图像和大图像的下部分之间的相似性度量.
我想灵活地选择一种相似度.例如,我可能想要计算均方偏差或平均绝对偏差或其他东西(只是一些采用相同大小的两个矩阵并返回实数的操作).
结果应该是2D数组.我想有效地执行此操作(这意味着我想避免循环).
作为相似性的度量,我计划使用两个图像的颜色之间的平方偏差.但是,正如我所提到的,如果我可以更改度量(例如使用颜色之间的相关性),那将是很好的.
numpy中有功能吗？
我有一个4-D numpy数组，第一个维度表示数据集中的图像数量，第二个和第三个维度表示（相等）宽度和高度，第四个维度表示通道数（3）。例如，假设我有4张28 * 28彩色图像，所以我的图像数据如下所示：
X = np.reshape(np.arange(4*28*28*3), (4,28,28,3))
我想为4张图片中的每张图片随机选择16 * 16宽x高的裁剪。至关重要的是，我希望每个图像的裁切是不同的，即我想生成4个随机（x_offset，y_offset）对。最后，我要访问形状数组（4、16、16、3）。
如果我要在for循环中编写此代码，它将类似于以下内容：
x = np.random.randint(0,12,4)
y = np.random.randint(0,12,4)
for i in range(X.shape[0]):
cropped_image = X[i, x[i]:x[i]+16, y[i]:y[i]+16, :]
#Add cropped image to a list or something
但是我想尽可能高效地做到这一点，并且我想知道是否有一种方法可以大步前进和花哨的索引编制。我已经看到了该问题的答案，但无法完全理解如何将stride_tricks之类的东西与第二和第三（宽度和高度）轴上的步幅的随机起点组合在一起。