[PYTHON] 어떻게 numpy 배열을 "확장"할 수 있습니까?

어떻게 numpy 배열을 "확장"할 수 있습니까?

shape (h, w)의 배열을 n의 배수로 스케일링하여 모양 배열 (h * n, w * n)을 얻고 싶습니다.

2x2 배열이 있다고 가정 해보십시오.

array([[1, 1],
       [0, 1]])

배열을 4x4가되도록 축척하고 싶습니다.

array([[1, 1, 1, 1],
       [1, 1, 1, 1],
       [0, 0, 1, 1],
       [0, 0, 1, 1]])

즉, 원래 배열의 각 셀 값이 결과 배열의 4 개의 해당 셀로 복사됩니다. 임의의 배열 크기와 스케일링 인자를 가정 할 때, 가장 효율적인 방법은 무엇입니까?

해결법

1. ==============================

   1.Kronecker 제품인 numpy.kron을 사용해야합니다.

   Kronecker 제품인 numpy.kron을 사용해야합니다.

   import numpy as np
   a = np.array([[1, 1],
                 [0, 1]])
   n = 2
   np.kron(a, np.ones((n,n)))
   

   당신이 원하는 것을 제공합니다 :

   array([[1, 1, 1, 1],
          [1, 1, 1, 1],
          [0, 0, 1, 1],
          [0, 0, 1, 1]])
   

2. ==============================

   2.반복을 사용할 수 있습니다.

   반복을 사용할 수 있습니다.

   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]])
   

   두 작업을 하나로 결합하는 깔끔한 방법이 있는지 나는 잘 모르겠습니다.

3. ==============================

   3.효과적으로 확장하려면 다음 접근 방식을 사용합니다. 작품은 반복보다 5 배 빠르고 크론보다 10 배 빠릅니다. 먼저 스케일 된 배열을 내부에 채우기 위해 타겟 배열을 초기화합니다. 몇 사이클을 이기기 위해 조각을 미리 정의하십시오.

   효과적으로 확장하려면 다음 접근 방식을 사용합니다. 작품은 반복보다 5 배 빠르고 크론보다 10 배 빠릅니다. 먼저 스케일 된 배열을 내부에 채우기 위해 타겟 배열을 초기화합니다. 몇 사이클을 이기기 위해 조각을 미리 정의하십시오.

   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)
   

   이제이 함수는 스케일을 수행합니다.

   def scale(A, B, slices):        # fill A with B through slices
       for s in slices: A[s] = B
   

   또는 한 가지 기능으로 간단하게 동일한 것 :

   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
   

4. ==============================

   4.scipy.misc.imresize는 이미지 크기를 조절할 수 있습니다. 또한 numpy 배열의 크기를 조절하는 데 사용할 수 있습니다.

   scipy.misc.imresize는 이미지 크기를 조절할 수 있습니다. 또한 numpy 배열의 크기를 조절하는 데 사용할 수 있습니다.

   #!/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)
   

from https://stackoverflow.com/questions/7525214/how-to-scale-a-numpy-array by cc-by-sa and MIT license