图像块提取器

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

从图像集合中提取图像块。

更多信息请参见 用户指南。

版本 0.9 中新增。

参数：

patch_size整数元组 (patch_height, patch_width), 默认值=None

每个图像块的尺寸。如果设置为 None，则图像块大小将自动设置为 (img_height // 10, img_width // 10)，其中 img_height 和 img_width 是输入图像的尺寸。

max_patches整数或浮点数, 默认值=None

每张图像提取的最大图像块数。如果 max_patches 是 (0, 1) 区间的浮点数，则表示图像块总数的比例。如果设置为 None，则提取所有可能的图像块。

random_state整数，RandomState 实例，默认值=None

当max_patches is not None时，确定用于随机采样的随机数生成器。使用整数可以使随机性确定性。参见词汇表。

另请参阅

reconstruct_from_patches_2d

从所有图像块重建图像。

备注

此估计器是无状态的，不需要拟合。但是，我们建议调用fit_transform而不是transform，因为参数验证仅在fit中执行。

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]
>>> X = X[None, ...]
>>> print(f"Image shape: {X.shape}")
Image shape: (1, 427, 640, 3)
>>> pe = image.PatchExtractor(patch_size=(10, 10))
>>> pe_trans = pe.transform(X)
>>> print(f"Patches shape: {pe_trans.shape}")
Patches shape: (263758, 10, 10, 3)
>>> X_reconstructed = image.reconstruct_from_patches_2d(pe_trans, X.shape[1:])
>>> print(f"Reconstructed shape: {X_reconstructed.shape}")
Reconstructed shape: (427, 640, 3)

fit(X, y=None)

仅验证估计器的参数。

此方法允许：(i) 验证估计器的参数，以及 (ii) 与 scikit-learn 变换器 API 保持一致。

参数：

X形状为 (n_samples, image_height, image_width) 或 (n_samples, image_height, image_width, n_channels) 的 ndarray

从中提取图像块的图像数组。对于彩色图像，最后一个维度指定通道：RGB 图像将具有n_channels=3。

y忽略

未使用，根据约定用于 API 一致性。

返回：

self对象

返回实例本身。

fit_transform(X, y=None, **fit_params)

拟合数据，然后转换它。

使用可选参数fit_params将变换器拟合到X和y，并返回X的转换版本。

参数：

X形状为 (n_samples, n_features) 的类数组

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组，默认为 None

目标值（无监督转换则为 None）。

**fit_paramsdict

附加拟合参数。

返回：

X_new形状为 (n_samples, n_features_new) 的 ndarray 数组

转换后的数组。

get_metadata_routing()

获取此对象的元数据路由。

请查看用户指南，了解路由机制的工作原理。

返回：

routingMetadataRequest

一个MetadataRequest，封装了路由信息。

get_params(deep=True)

获取此估计器的参数。

参数：

deepbool，默认为 True

如果为 True，则将返回此估计器和作为估计器的包含子对象的参数。

返回：

paramsdict

参数名称映射到它们的值。

set_output(*, transform=None)

设置输出容器。

请参阅介绍 set_output API，了解如何使用此 API 的示例。

参数：

transform{"default", "pandas", "polars"}，默认为 None

配置transform和fit_transform的输出。

• "default"：变换器的默认输出格式

• "pandas"：DataFrame 输出

• "polars"：Polars 输出

• None：转换配置保持不变

版本 1.4 中添加： "polars" 选项已添加。

返回：

self估计器实例

估计器实例。

set_params(**params)

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如Pipeline）。后者具有<component>__<parameter>形式的参数，因此可以更新嵌套对象的每个组件。

参数：

**paramsdict

估计器参数。

返回：

self估计器实例

估计器实例。

transform(X)

将X中的图像样本转换为图像块数据矩阵。

参数：

X形状为 (n_samples, image_height, image_width) 或 (n_samples, image_height, image_width, n_channels) 的 ndarray

从中提取图像块的图像数组。对于彩色图像，最后一个维度指定通道：RGB 图像将具有n_channels=3。

返回：

patches形状为 (n_patches, patch_height, patch_width) 或 (n_patches, patch_height, patch_width, n_channels) 的数组

从图像中提取的补丁集合，其中n_patches等于n_samples * max_patches或可提取的补丁总数。