PatchExtractor¶

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

[源码]

从一组图像中提取补丁

在用户指南中阅读更多内容。

新版本0.9。

参数	说明
patch_size	tuple of int (patch_height, patch_width) 一个patch的尺寸。
max_patches	int or float, default=None 每幅图像需要提取的最大patch数。如果max_patch是(0,1)中的浮点数，则表示它占补丁总数的比例。
random_state	int, RandomState instance, default=None 确定当max_patch不是None时用于随机采样的随机数生成器。使用int使随机性具有确定性。详见术语表。

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	说明
`fit`(X[, y])	不执行任何操作，就会不加更改地返回估算器。
`get_params`([deep])	获取这个估计器的参数。
`set_params`(**params)	设置的参数估计量。
`transform`(X)	将X中的图像样本转换为patch数据矩阵。

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

[源码]

初始化self。请参阅help(type(self))以获得准确的说明。

fit(X, y=None)

[[源码]]

不执行任何操作，就会不加更改地返回估算器。

这个方法只是用来实现通常的API，因此可以在管道中工作。

参数	说明
X	array-like of shape (n_samples, n_features) 训练数据

get_params(deep=True)

[源码]

获取这个估计器的参数。

参数	说明
deep	bool, default=True 如果为真，将返回此估计器的参数以及包含的作为估计器的子对象。

返回值	说明
params	mapping of string to any 参数名称映射到它们的值。

set_params(**params)

[源码]

设置这个估计器的参数。

该方法适用于简单估计量和嵌套对象。后者具有形式为<component>_<parameter>的参数，这样就让更新嵌套对象的每个样本成为了可能。

参数	说明
**params	dict 训练数据

返回值	说明
self	object 估计器实例。

transform(X)

[源码]

将X中的图像样本转换为patch数据矩阵。

参数	说明
X	ndarray of shape (n_samples, image_height, image_width) or (n_samples, image_height, image_width, n_channels) 阵列的图像，从中提取斑块。对于彩色图像，最后一个维度指定了通道:RGB图像的n_channels=3。

返回值	说明
patches	array of shape (n_patches, patch_height, patch_width) or (n_patches, patch_height, patch_width, n_channels) 从图像中提取的patch的集合，其中n_patch是n_samples * max_patch，或者是可以提取的patch的总数。