PatchExtractor?

class sklearn.feature_extraction.image.PatchExtractor(*, patch_size=None, max_patches=None, random_state=None)

[源碼]

從一組圖像中提取補丁

在用戶指南中閱讀更多內容。

新版本0.9。

參數	說明
patch_size	tuple of int (patch_height, patch_width) 一個patch的尺寸。
max_patches	int or float, default=None 每幅圖像需要提取的最大patch數。如果max_patch是(0,1)中的浮點數，則表示它占補丁總數的比例。
random_state	int, RandomState instance, default=None 確定當max_patch不是None時用于隨機采樣的隨機數生成器。使用int使隨機性具有確定性。詳見術語表。

示例

>>> from sklearn.datasets import load_sample_images
>>> from sklearn.feature_extraction import image
>>> # Use the array data from the second image in this dataset:
>>> X = load_sample_images().images[1]
>>> print('Image shape: {}'.format(X.shape))
Image shape: (427, 640, 3)
>>> pe = image.PatchExtractor(patch_size=(2, 2))
>>> pe_fit = pe.fit(X)
>>> pe_trans = pe.transform(X)
>>> print('Patches shape: {}'.format(pe_trans.shape))
Patches shape: (545706, 2, 2)

方法

方法	說明
`fit`(X[, y])	不執行任何操作，就會不加更改地返回估算器。
`get_params`([deep])	獲取這個估計器的參數。
`set_params`(**params)	設置的參數估計量。
`transform`(X)	將X中的圖像樣本轉換為patch數據矩陣。

__init__(*, patch_size=None, max_patches=None, random_state=None)

[源碼]

初始化self。請參閱help(type(self))以獲得準確的說明。

fit(X, y=None)

[[源碼]]

不執行任何操作，就會不加更改地返回估算器。

這個方法只是用來實現通常的API，因此可以在管道中工作。

參數	說明
X	array-like of shape (n_samples, n_features) 訓練數據

get_params(deep=True)

[源碼]

獲取這個估計器的參數。

參數	說明
deep	bool, default=True 如果為真，將返回此估計器的參數以及包含的作為估計器的子對象。

返回值	說明
params	mapping of string to any 參數名稱映射到它們的值。

set_params(**params)

[源碼]

設置這個估計器的參數。

該方法適用于簡單估計量和嵌套對象。后者具有形式為<component>_<parameter>的參數，這樣就讓更新嵌套對象的每個樣本成為了可能。

參數	說明
**params	dict 訓練數據

返回值	說明
self	object 估計器實例。

transform(X)

[源碼]

將X中的圖像樣本轉換為patch數據矩陣。

參數	說明
X	ndarray of shape (n_samples, image_height, image_width) or (n_samples, image_height, image_width, n_channels) 陣列的圖像，從中提取斑塊。對于彩色圖像，最后一個維度指定了通道:RGB圖像的n_channels=3。

返回值	說明
patches	array of shape (n_patches, patch_height, patch_width) or (n_patches, patch_height, patch_width, n_channels) 從圖像中提取的patch的集合，其中n_patch是n_samples * max_patch，或者是可以提取的patch的總數。