sklearn.feature_extraction.image.extract_patches_2d

sklearn.feature_extraction.image.extract_patches_2d()

Reforma una imagen 2D en una colección de fragmentos

Los fragmentos resultantes se asignan en un arreglo dedicado.

Lee más en el Manual de usuario.

Parámetros

imagendarray de forma (image_height, image_width) o (image_height, image_width, n_channels)

Los datos de la imagen original. Para las imágenes en color, la última dimensión especifica el canal: una imagen RGB tendría n_canales=3.

patch_sizetuple de int (patch_height, patch_width)

Las dimensiones de un fragmento.

max_patchesentero o flotante, default=None

El número máximo de fragmentos a extraer. Si max_patches es un número de punto flotante (float) entre 0 y 1, se toma como una proporción del número total de fragmentos.

random_stateentero, instancia de RandomState, default=None

Determina el generador de números aleatorios utilizado para el muestreo aleatorio cuando max_patches no es None. Utiliza un número entero (int) para que la aleatoriedad sea determinista. Ver Glosario.

Devuelve

patchesarreglo de la forma (n_patches, patch_height, patch_width) o (n_patches, patch_height, patch_width, n_channels)

La colección de fragmentos extraídos de la imagen, donde n_patches es max_patches o el número total de fragmentos que se pueden extraer.

Ejemplos

>>> from sklearn.datasets import load_sample_image
>>> from sklearn.feature_extraction import image
>>> # Use the array data from the first image in this dataset:
>>> one_image = load_sample_image("china.jpg")
>>> print('Image shape: {}'.format(one_image.shape))
Image shape: (427, 640, 3)
>>> patches = image.extract_patches_2d(one_image, (2, 2))
>>> print('Patches shape: {}'.format(patches.shape))
Patches shape: (272214, 2, 2, 3)
>>> # Here are just two of these patches:
>>> print(patches[1])
[[[174 201 231]
  [174 201 231]]
 [[173 200 230]
  [173 200 230]]]
>>> print(patches[800])
[[[187 214 243]
  [188 215 244]]
 [[187 214 243]
  [188 215 244]]]