baselines算法库common/tile_images.py模块分析

本文主要是介绍baselines算法库common/tile_images.py模块分析，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

该模块只有一个函数，全部内容：

import numpy as np

def tile_images(img_nhwc):
    """
    Tile N images into one big PxQ image
    (P,Q) are chosen to be as close as possible, and if N
    is square, then P=Q.

    input: img_nhwc, list or array of images, ndim=4 once turned into array
        n = batch index, h = height, w = width, c = channel
    returns:
        bigim_HWc, ndarray with ndim=3
    """
    img_nhwc = np.asarray(img_nhwc)
    N, h, w, c = img_nhwc.shape
    H = int(np.ceil(np.sqrt(N)))
    W = int(np.ceil(float(N)/H))
    img_nhwc = np.array(list(img_nhwc) + [img_nhwc[0]*0 for _ in range(N, H*W)])
    img_HWhwc = img_nhwc.reshape(H, W, h, w, c)
    img_HhWwc = img_HWhwc.transpose(0, 2, 1, 3, 4)
    img_Hh_Ww_c = img_HhWwc.reshape(H*h, W*w, c)
    return img_Hh_Ww_c

输入的是一个batch的图片数据，维度为n*h*w*c  ,  n为batch_size,  h为图片高度，  w为图片宽度， c为图片通道数。

这个模块，或者说这个函数的作用将n个图片拼接成一个大图片，大图片的高为H个图片的高h堆砌成，像素为H*h，

大图片的宽为W个图片的高w堆砌成，像素为W*w。

这时候有一个注意的问题那就是输入的图片个数，即batch_size可能不是可以开平方的数，如果batch_size可以开平方，那么H=W=sqrt(n),

如果n不能开平方，那么H则向下约近sqrt(n)的取整，W则向下约近n/H的取整。

即使是这样设置H、W也不能避免H*W不等于n，这时就需要对拼接图片进行补零操作：

    img_nhwc = np.array(list(img_nhwc) + [img_nhwc[0]*0 for _ in range(N, H*W)])

也就是说如果H*W小于n则用0补齐以保证一共拼接的图片个数为H*W个，因为前面对H、W计算时使用的是向下约近，因此H*W不存在大于n的情况。

==============================================

这篇关于baselines算法库common/tile_images.py模块分析的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！