形状(h、w)の配列をn倍にスケーリングし、形状(h * n、w * n)の配列を生成します。
2x2の配列があるとしましょう:
array([[1, 1],
[0, 1]])
配列を4x4にスケーリングしたいと思います。
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[0, 0, 1, 1],
[0, 0, 1, 1]])
つまり、元の配列の各セルの値が、結果の配列の対応する4つのセルにコピーされます。任意の配列サイズとスケーリング係数を想定して、これを行う最も効率的な方法は何ですか?
Kronecker product 、 numpy.kron を使用する必要があります。
1つ目でスケーリングされた2つ目の配列のブロックで構成される複合配列であるクロネッカー積を計算します
import numpy as np
a = np.array([[1, 1],
[0, 1]])
n = 2
np.kron(a, np.ones((n,n)))
あなたが望むものを与える:
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[0, 0, 1, 1],
[0, 0, 1, 1]])
repeat
を使用できます:
In [6]: a.repeat(2,axis=0).repeat(2,axis=1)
Out[6]:
array([[1, 1, 1, 1],
[1, 1, 1, 1],
[0, 0, 1, 1],
[0, 0, 1, 1]])
2つの操作を1つにまとめるきちんとした方法があるかどうかはわかりません。
scipy.misc.imresize
画像を拡大縮小できます。 numpy配列のスケーリングにも使用できます。
#!/usr/bin/env python
import numpy as np
import scipy.misc
def scale_array(x, new_size):
min_el = np.min(x)
max_el = np.max(x)
y = scipy.misc.imresize(x, new_size, mode='L', interp='nearest')
y = y / 255 * (max_el - min_el) + min_el
return y
x = np.array([[1, 1],
[0, 1]])
n = 2
new_size = n * np.array(x.shape)
y = scale_array(x, new_size)
print(y)
効果的にスケーリングするには、次のアプローチを使用します。 repeat
の5倍、kron
の10倍の速度で動作します。最初に、ターゲット配列を初期化して、スケーリングされた配列をインプレースで埋めます。スライスを事前に定義して、数サイクルを獲得します。
K = 2 # scale factor
a_x = numpy.zeros((h * K, w *K), dtype = a.dtype) # upscaled array
Y = a_x.shape[0]
X = a_x.shape[1]
myslices = []
for y in range(0, K) :
for x in range(0, K) :
s = slice(y,Y,K), slice(x,X,K)
myslices.append(s)
この関数はスケールを実行します:
def scale(A, B, slices): # fill A with B through slices
for s in slices: A[s] = B
または、同じことを単純に1つの関数で行います。
def scale(A, B, k): # fill A with B scaled by k
Y = A.shape[0]
X = A.shape[1]
for y in range(0, k):
for x in range(0, k):
A[y:Y:k, x:X:k] = B