目录
需求:
对于图像处理中的一些过程,我需要对读取的numpy矩阵进行size的扩充,比如原本是(4,6)的矩阵,现在需要上下左右各扩充3行,且为了不影响数值计算,都用0填充。
比如下图,我有一个4x5大小的全1矩阵,但是现在我要在四周都加上3行的0来扩充大小,最后扩充完还要对原区域进行操作。
方法:
想到了几种方法,记录一下。
一、再new一个更大的所需要的矩阵大小
a = np.ones((4,5)) #假设原矩阵是4x5的全1矩阵
print(a.shape)
b_pad = np.zeros((4 + 6, 5 + 6)) #要四周扩充3行,所以宽高都要加6
h,w = b.shape
print(b.shape) #(10,11)
b[3:h-3,3:w-3] = a #再把原矩阵放到相应位置
print(b)
#如果要对原数值一一进行操作,可以定位到各元素
for i in range(3,h-3):
for j in range(3,w-3):
b[i][j] = 2
print(b)
这个方法简单粗暴,逻辑上比较好理解,但是会消耗内存空间
二、pad函数
其实numpy已经封装了一个函数,就是pad
a = np.ones((4,5))
print(a.shape)
b = np.pad(a,3,'constant') #对a,上下左右各扩充3行,constant缺省,默认为0
print(b)
print(b.shape)
#如果只要左上角扩充的话
c = np.pad(a,(3,0),'constant')
print(c)
print(c.shape)
其他想法
还有两种想法,但我没实践过。一个是 二维转成一维,然后用list在每一组的前后可以加0,用append连接,最后再转成二维。这样子的话,0想放在哪里就可以自己定了。 还有一种是用torch.nn,在pytorch中有对于卷积的0填充padding。不过需要把numpy转成tensor张量,最后再转回来,比较麻烦。