Comment augmenter la taille d'une matrice 2d ("padding") avec numpy ?

Exemples de comment augmenter la taille d'une matrice 2d ("pad an array") avec numpy en python ?

Créer un tableau 2D avec numpy

Considérons le tableau suivant :

\begin{equation}
A = \left( \begin{array}{ccc}
1 & 2 & 3 \\
4 & 5 & 6 \\
7 & 8 & 9
\end{array}\right)
\end{equation}

qui peut être implémenté en utilisant numpy et python :

import numpy as np

A = np.arange(0,12)

A = A.reshape(4,3)

print(A)

donne

[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]

et

print( A.shape )

donne

(4, 3)

Pad un tableau numpy

Pour augmenter la taille d'une matrice 2d, une solution consiste à utiliser numpy.pad:

Pad avec des valeurs constantes

Ajouter un pad (1,1) avec la valeur -99

B = np.pad(A, (1, 1), constant_values=-99)

donne

[[-99 -99 -99 -99 -99]
 [-99   0   1   2 -99]
 [-99   3   4   5 -99]
 [-99   6   7   8 -99]
 [-99   9  10  11 -99]
 [-99 -99 -99 -99 -99]]

Ajouter un pad (3,3) avec la valeur -99

 B = np.pad(A, (3, 3), constant_values=-99)

donne

[[-99 -99 -99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99   0   1   2 -99 -99 -99]
 [-99 -99 -99   3   4   5 -99 -99 -99]
 [-99 -99 -99   6   7   8 -99 -99 -99]
 [-99 -99 -99   9  10  11 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99 -99 -99]]

Ajouter un pad (3,1) avec la valeur -99

 B = np.pad(A, (3, 1), constant_values=-99)

donne

[[-99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99 -99 -99 -99 -99]
 [-99 -99 -99   0   1   2 -99]
 [-99 -99 -99   3   4   5 -99]
 [-99 -99 -99   6   7   8 -99]
 [-99 -99 -99   9  10  11 -99]
 [-99 -99 -99 -99 -99 -99 -99]]

Pad avec la valeur la plus proche

Ajouter un pad (1,1) avec la valeur la plus proche

B = np.pad(A, (1, 1), 'edge')

donne

    [[ 0  0  1  2  2]
     [ 0  0  1  2  2]
     [ 3  3  4  5  5]
     [ 6  6  7  8  8]
     [ 9  9 10 11 11]
     [ 9  9 10 11 11]]

et

print(B.shape)

donne

(6, 5)

Exemples

Trouver le voisinage d'un pixel

B = np.pad(A, (1, 1), 'edge')

puis découpé la matrice B pour trouver les 8 pixels de voisinage"

Côté droit

B[0:-2,0:-2]

B[1:-1,0:-2]

B[2:,0:-2]

donne

[[0 0 1]
 [0 0 1]
 [3 3 4]
 [6 6 7]]

[[ 0  0  1]
 [ 3  3  4]
 [ 6  6  7]
 [ 9  9 10]]

[[ 3  3  4]
 [ 6  6  7]
 [ 9  9 10]
 [ 9  9 10]]

Milieu haut et bas :

B[0:-2,1:-1]

B[2:,1:-1]

donne

[[0 1 2]
 [0 1 2]
 [3 4 5]
 [6 7 8]]

[[ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]
 [ 9 10 11]]

Côté gauche

B[0:-2,2:] 
B[1:-1,2:] 
B[2:,2:]

donne

[[1 2 2]
 [1 2 2]
 [4 5 5]
 [7 8 8]]

[[ 1  2  2]
 [ 4  5  5]
 [ 7  8  8]
 [10 11 11]]

[[ 4  5  5]
 [ 7  8  8]
 [10 11 11]
 [10 11 11]]

Ajouter un cadre à une image

from matplotlib import image

import matplotlib.pyplot as plt

img = image.imread("eiffel-tower.jpeg")

plt.imshow(img)

plt.show()

print(img.shape)

img1 = np.pad(img, ((100, 100), (200, 200), (0,0)), constant_values=0)

print(img1.shape)

plt.imshow(img1)

plt.savefig("pad_image_01.png", bbox_inches='tight', dpi=100)

plt.show()

img1 = np.pad(img, ((100, 100), (0, 0), (0,0)), constant_values=0)

print(img1.shape)

plt.imshow(img1)

plt.savefig("pad_image_02.png", bbox_inches='tight', dpi=100)

plt.show()

img1 = np.pad(img, ((0, 0), (200, 200), (0,0)), constant_values=0)

print(img1.shape)

plt.imshow(img1)

plt.savefig("pad_image_03.png", bbox_inches='tight', dpi=100)

plt.show()

img1 = np.pad(img, ((100, 100), (0, 0), (0,0)), 'edge')

print(img1.shape)

plt.imshow(img1)

plt.savefig("pad_image_04.png", bbox_inches='tight', dpi=100)

plt.show()

Références

• numpy.pad