Python中如何实现im2col和col2im函数（sliding类型）

向右看齐 2022-06-07 04:45 177阅读 0赞

今天来说说im2col和col2im函数，这是MATLAB中两个内置函数，经常用于数字图像处理中。其中im2col函数在《[MATLAB中的im2col函数][MATLAB_im2col]》一文中已经进行了简单的介绍。

一般来说：

1.  如是将图像分割成块的时候用的im2col参数为’distinct’，那么用col2im函数时参数也是’distinct’，即可将转换后的数组复原。
2.  如果将图像分割成块的时候用的im2col参数为’sliding’，我目前还不知道MATLAB中使用内置函数是如何复原的。

今天，来看看Python中是如何实现这两个函数的（sliding类型）。

1.  对于im2col的实现，我们沿着原始矩阵逐行计算，将得到的新的子矩阵展开成列，放置在列块矩阵中。
2.  对于col2im的实现，我们沿着列块矩阵逐行计算，将得到的行展成子矩阵，然后将子矩阵放置在最终结果对应的位置（每次当前值进行相加），同时记录每个位置的值放置的次数。最后，将当前位置的值除以放置的次数，即可得到结果（原始矩阵）。

def im2col(mtx, block_size):
        mtx_shape = mtx.shape
        sx = mtx_shape[0] - block_size[0] + 1
        sy = mtx_shape[1] - block_size[1] + 1
        # 如果设A为m×n的，对于[p q]的块划分，最后矩阵的行数为p×q，列数为(m−p+1)×(n−q+1)。
        result = np.empty((block_size[0] * block_size[1], sx * sy))
        # 沿着行移动，所以先保持列（i）不动，沿着行（j）走
        for i in range(sy):
            for j in range(sx):
                result[:, i * sx + j] = mtx[j:j + block_size[0], i:i + block_size[1]].ravel(order='F')
        return result
    
    
    def col2im(mtx, image_size, block_size):
        p, q = block_size
        sx = image_size[0] - p + 1
        sy = image_size[1] - q + 1
        result = np.zeros(image_size)
        weight = np.zeros(image_size)  # weight记录每个单元格的数字重复加了多少遍
        col = 0
        # 沿着行移动，所以先保持列（i）不动，沿着行（j）走
        for i in range(sy):
            for j in range(sx):
                result[j:j + p, i:i + q] += mtx[:, col].reshape(block_size, order='F')
                weight[j:j + p, i:i + q] += np.ones(block_size)
                col += 1
        return result / weight

测试代码：

if __name__ == '__main__':
        mtx = np.around(np.random.rand(5, 5) * 100)
        print('原始矩阵：')
        print(mtx)
    
        a1 = im2col(mtx, (2, 3))
        print('im2col（分块大小2x3）：')
        print(a1)
        b1 = col2im(a1, (5, 5), (2, 3))
        print('col2im复原：')
        print(b1)
    
        a2 = im2col(mtx, (3, 3))
        print('im2col（分块大小3x3）：')
        print(a2)
        b2 = col2im(a2, (5, 5), (3, 3))
        print('col2im复原：')
        print(b2)

运行结果：

原始矩阵：
    [[ 48. 38. 38. 59. 38.] [ 38. 11. 25. 52. 44.] [ 60. 69. 49. 93. 66.] [ 88. 8. 47. 14. 47.] [ 96. 37. 56. 86. 54.]]
    im2col（分块大小2x3）：
    [[ 48. 38. 60. 88. 38. 11. 69. 8. 38. 25. 49. 47.] [ 38. 60. 88. 96. 11. 69. 8. 37. 25. 49. 47. 56.] [ 38. 11. 69. 8. 38. 25. 49. 47. 59. 52. 93. 14.] [ 11. 69. 8. 37. 25. 49. 47. 56. 52. 93. 14. 86.] [ 38. 25. 49. 47. 59. 52. 93. 14. 38. 44. 66. 47.] [ 25. 49. 47. 56. 52. 93. 14. 86. 44. 66. 47. 54.]]
    col2im复原：
    [[ 48. 38. 38. 59. 38.] [ 38. 11. 25. 52. 44.] [ 60. 69. 49. 93. 66.] [ 88. 8. 47. 14. 47.] [ 96. 37. 56. 86. 54.]]
    im2col（分块大小3x3）：
    [[ 48. 38. 60. 38. 11. 69. 38. 25. 49.] [ 38. 60. 88. 11. 69. 8. 25. 49. 47.] [ 60. 88. 96. 69. 8. 37. 49. 47. 56.] [ 38. 11. 69. 38. 25. 49. 59. 52. 93.] [ 11. 69. 8. 25. 49. 47. 52. 93. 14.] [ 69. 8. 37. 49. 47. 56. 93. 14. 86.] [ 38. 25. 49. 59. 52. 93. 38. 44. 66.] [ 25. 49. 47. 52. 93. 14. 44. 66. 47.] [ 49. 47. 56. 93. 14. 86. 66. 47. 54.]]
    col2im复原：
    [[ 48. 38. 38. 59. 38.] [ 38. 11. 25. 52. 44.] [ 60. 69. 49. 93. 66.] [ 88. 8. 47. 14. 47.] [ 96. 37. 56. 86. 54.]]

[MATLAB_im2col]: http://blog.csdn.net/theonegis/article/details/50958604

发表评论取消回复

表情：

评论列表（有 0 条评论，177人围观）

还没有评论，来说两句吧...

相关阅读

相关 NEON加速im2col+gemm的卷积推理

前言主流框架包括caffe、tf、darknet实现卷积的时候不是直接进行卷积计算，而是往往采用im2col+gemm的方式来进行加速，加速的思路是“空间换时间”提高读

比眉伴天荒/ 2022年12月10日 14:45/ 0 赞/ 280 阅读

相关 AI移动端优化之Im2Col+Pack+Sgemm

> \[GiantPandaCV导语\] 这篇文章是基于NCNN的Sgemm卷积为大家介绍Im2Col+Pack+Sgemm的原理以及算法实现，希望对算法优化感兴趣或者做深度学

﹏ヽ暗。殇╰゛Y/ 2022年12月04日 01:22/ 0 赞/ 129 阅读

相关 Matlab中的im2col函数

官方文档对其功能的描述为为：Rearrange image blocks into columns. 即重排图像块为矩阵列。函数原型为： `B = im2col(A,[

青旅半醒/ 2022年07月27日 13:50/ 0 赞/ 229 阅读

相关 Python中如何实现im2col和col2im函数（sliding类型）

今天来说说im2col和col2im函数，这是MATLAB中两个内置函数，经常用于数字图像处理中。其中im2col函数在《[MATLAB中的im2col函数][MATLAB_i

向右看齐/ 2022年06月07日 04:45/ 0 赞/ 178 阅读

相关 im2col在卷积神经网络中的具体应用

我们在DEEPLab的网络中提到了利用im2col来加速，但是im2col如何作用到卷积神经网络的。我看了[http://cs231n.github.io/convolut

分手后的思念是犯贱/ 2022年05月27日 10:09/ 0 赞/ 229 阅读

相关卷积神经网络——im2col函数

讲解之前，先确定下卷积运算中矩阵的维度都是多少。 N, C, H, W分别代表输入数据的批数据量、每个数据的通道数、每个通道的高、每个通道的宽。所以输入数据的维度是（N,

爱被打了一巴掌/ 2022年05月15日 02:19/ 1 赞/ 766 阅读

相关 caffe源码解析：卷积乘法中用到的im2col及col2im

这两个函数其实完成的功能比较简单，im2col就是把矩阵按卷积乘法所需，变换成列向量，col2im是一个逆过程从下面这张图你一眼就能看明白im2col的操作（caffe中卷

怼烎@/ 2022年05月10日 05:14/ 0 赞/ 207 阅读

相关 im2col：将卷积运算转为矩阵相乘

文章目录 im2col实现优缺点分析参考博客：[blog.shinelee.me][] | [博客园][Link 1] | [CSDN][]

Dear 丶/ 2022年04月24日 13:54/ 0 赞/ 241 阅读

相关分析函数系列之sum(col1) over(partition by col2 order by col3):实现分组汇总或递增汇总

[https://blog.csdn.net/rfb0204421/article/details/7672207][https_blog.csdn.net_rfb020442

我不是女神ヾ/ 2021年09月17日 10:26/ 0 赞/ 251 阅读

相关 bootstrap一个标签中，同时有 col-xs , col-sm , col-md , col-lg

`bootstrap`栅栏系统css中的`col-xs-、col-sm-、col-md-` 的意义： .col-xs- 超小屏幕手机 (<768px)

缺乏、安全感/ 2021年06月26日 16:06/ 0 赞/ 239 阅读