python - 给定任意数量的较小平方矩阵来创建平方矩阵的算法

我将要使用Opencv绘制一些图像，为此，我想将图像粘合在一起。

想象一下，我有4张图片。最好的方法是将它们粘贴在2x2图像矩阵中。

a = img; a.shape == (48, 48)
b = img; b.shape == (48, 48)
c = img; c.shape == (48, 48)
d = img; d.shape == (48, 48)

现在，我使用np.reshape，该列表带有诸如[a，b，c，d]之类的列表，然后手动放置尺寸以获取以下内容:

np.reshape([a,b,c,d], (a.shape*2, a.shape*2)).shape == (96, 96)

当我有3张图片时，问题开始了。我有点想，我可以取列表长度的平方根，然后取上限值，这将得出2的方阵维数(np.ceil(sqrt(len([a,b,c]))) == 2)。然后，我必须将具有第一个元素尺寸的白色图像添加到列表中，然后我们就可以了。但是我认为必须有一种更简单的方法来完成绘制工作，这很可能已经在某处定义了。

那么，如何轻松地将任意数量的平方矩阵组合成一个大的平方矩阵呢？

编辑:

我提出以下内容:

def plotimgs(ls):
    shp = ls[0].shape[0]         # the image's dimension
    dim = np.ceil(sqrt(len(ls))) # the amount of pictures per row AND column
    emptyimg = (ls[1]*0 + 1)*255 # used to add to the list to allow square matrix
    for i in range(int(dim*dim - len(ls))):
        ls.append(emptyimg)
    enddim = int(shp*dim)        # enddim by enddim is the final matrix dimension
    # Convert to 600x600 in the end to resize the pictures to fit the screen
    newimg = cv2.resize(np.reshape(ls, (enddim, enddim)), (600, 600))
    cv2.imshow("frame", newimg)
    cv2.waitKey(10)

 plotimgs([a,b,d])

以某种方式，即使尺寸尚可，它实际上还会克隆更多图片:



因此，实际上，不是平方，而是以某种方式获得了图像的三次幂。虽然，例如
plotimg([a]*9)给出一张图片的尺寸为44*3 x 44*3 = 144x144，它对于9张图像应该正确吗？

最佳答案

这是我用于执行此类操作的代码段:

import numpy as np

def montage(imgarray, nrows=None, border=5, border_val=np.nan):
    """
    Returns an array of regularly spaced images in a regular grid, separated
    by a border

    imgarray:
        3D array of 2D images (n_images, rows, cols)
    nrows:
        the number of rows of images in the output array. if
        unspecified, nrows = ceil(sqrt(n_images))
    border:
        the border size separating images (px)
    border_val:
        the value of the border regions of the output array (np.nan
        renders as transparent with imshow)
    """

    dims = (imgarray.shape[0], imgarray.shape[1]+2*border,
        imgarray.shape[2] + 2*border)

    X = np.ones(dims, dtype=imgarray.dtype) * border_val
    X[:,border:-border,border:-border] = imgarray

    # array dims should be [imageno,r,c]
    count, m, n = X.shape

    if nrows != None:
        mm = nrows
        nn = int(np.ceil(count/nrows))
    else:
        mm = int(np.ceil(np.sqrt(count)))
        nn = mm

    M = np.ones((nn * n, mm * m)) * np.nan

    image_id = 0
    for j in xrange(mm):
        for k in xrange(nn):
            if image_id >= count:
                break
            sliceM, sliceN = j * m, k * n
            img = X[image_id,:, :].T
            M[sliceN:(sliceN + n), sliceM:(sliceM + m)] = img
            image_id += 1

    return np.flipud(np.rot90(M))

示例:

from scipy.misc import lena
from matplotlib import pyplot as plt

img = lena().astype(np.float32)
img -= img.min()
img /= img.max()
imgarray = np.sin(np.linspace(0, 2*np.pi, 25)[:, None, None] + img)

m = montage(imgarray)
plt.imshow(m, cmap=plt.cm.jet)

关于python - 给定任意数量的较小平方矩阵来创建平方矩阵的算法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21135279/