Pytorch展开并折叠：如何再次将该图像张量放回原处？

如何解决Pytorch展开并折叠：如何再次将该图像张量放回原处？

我正在尝试使用展开来过滤大小为256x256的单通道2D图像，以创建重叠为8的16x16块。如下所示：

# I = [256,256] image
kernel_size = 16
stride = bx/2
patches = I.unfold(1,kernel_size,int(stride)).unfold(0,int(stride)) # size = [31,31,16,16]

 

我已经开始尝试将图像折叠起来，但是还没有到那儿。我尝试使用视图来使图像“符合”预期，但我看不出它将如何保留原始图像。也许我想得太过分了。

# patches.shape = [31,16]
patches = = filt_data_block.contiguous().view(-1,kernel_size*kernel_size) # [961,256]
patches = patches.permute(1,0) # size = [951,256]

任何帮助将不胜感激。非常感谢。

解决方法

我相信在这种情况下使用torch.nn.functional.fold和torch.nn.functional.unfold会从中受益，因为这些功能是专门为图像（或任何4D张量，形状为B X C X H X W）构建的。

让我们首先展开图片：

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
from sklearn.datasets import load_sample_image #Used to load a sample image

dtype = torch.cuda.FloatTensor if torch.cuda.is_available() else torch.FloatTensor
#Load a flower image from sklearn.datasets,crop it to shape 1 X 3 X 256 X 256:
I = torch.from_numpy(load_sample_image('flower.jpg')).permute(2,1).unsqueeze(0).type(dtype)[...,128:128+256,256:256+256]
kernel_size = 16
stride = kernel_size//2 
I_unf = F.unfold(I,kernel_size,stride=stride)

在这里，我们使用F.unfold函数获得了跨度为8的所有16x16图像块。这将导致形状为torch.Size([1,768,961])的3D张量。即-961个补丁，每个补丁中的768 = 16 X 16 X 3像素。

现在，说我们希望将其折返给我：

I_f = F.fold(I_unf,I.shape[-2:],stride=stride)
norm_map = F.fold(F.unfold(torch.ones(I.shape).type(dtype),stride=stride),stride=stride)
I_f /= norm_map

我们使用F.fold来告诉它I的原始形状，我们用来展开的kernel_size和所使用的stride。折叠I_unf后，我们将获得重叠的总和。这意味着生成的图像将显得饱和。结果，我们需要计算归一化图，该归一化图将归因于重叠的像素的多个总和。有效执行此操作的一种方法是采用一个张量并使用unfold，然后使用fold-模拟重叠的求和。这为我们提供了归一化映射，通过该映射我们可以归一化I_f以恢复I。

现在，我们希望绘制I_f和I来证明内容已保留：

#Plot I:
plt.imshow(I[0,...].permute(1,2,0).cpu()/255)

#Plot I_f:
plt.imshow(I_f[0,0).cpu()/255)

整个过程也适用于单通道图像。要注意的一件事是，如果跨步不能将图像的空间尺寸整除，由于某些像素无法到达，您将获得norm_map带有零（在边缘），但是您也可以轻松地处理这种情况。

,

比吉尔（Gil）提出的解决方案略逊一筹：

I took inspiration from this post on the Pytorch forums，将我的图像张量格式化为标准形状B x C x H x W（1 x 1 x 256 x 256）。展开：

# CREATE THE UNFOLDED IMAGE SLICES
I = image           # shape [256,256]
kernel_size = bx    #shape [16]
stride = int(bx/2)  #shape [8]
I2 = I.unsqueeze(0).unsqueeze(0) #shape [1,1,256,256]
patches2 = I2.unfold(2,stride).unfold(3,stride)
#shape [1,31,16,16]

在此之后，我对张量堆栈进行了一些转换和过滤。在执行此操作之前，我应用余弦窗口并进行归一化：

# NORMALISE AND WINDOW
Pvv = torch.mean(torch.pow(win,2))*torch.numel(win)*(noise_std**2)
Pvv = Pvv.double()
mean_patches = torch.mean(patches2,(4,5),keepdim=True)
mean_patches = mean_patches.repeat(1,16)
window_patches = win.unsqueeze(0).unsqueeze(0).unsqueeze(0).unsqueeze(0).repeat(1,1)
zero_mean = patches2 - mean_patches
windowed_patches = zero_mean * window_patches

#SOME FILTERING ....

#ADD MEAN AND WINDOW BEFORE FOLDING BACK TOGETHER.
filt_data_block = (filt_data_block + mean_patches*window_patches) * window_patches

上面的代码对我有用，但是遮罩会更简单。接下来，我准备将形式为[1、1、31、31、16、16]的张量转换回原始的[1、1、256、256]：

# REASSEMBLE THE IMAGE USING FOLD
patches = filt_data_block.contiguous().view(1,-1,kernel_size*kernel_size)
patches = patches.permute(0,3,2)
patches = patches.contiguous().view(1,kernel_size*kernel_size,-1)
IR = F.fold(patches,output_size=(256,256),kernel_size=kernel_size,stride=stride)
IR = IR.squeeze()

这使我可以创建一个重叠的滑动窗口，并将图像无缝地缝在一起。取消过滤可以得到相同的图像。