在从图像中提取补丁数组的情况下，skimage view_as_window 和 sklearn extract_patch_2d 有什么区别？

Question

我有一组 2D 图像； [n x w x h] 数组，n 是图像数量。我想从每个二维图像中提取补丁。 2D 图像不会按补丁大小均等划分（这意味着我应该使用填充）。我不想要重叠的补丁。为此，我在 skimage 和 sklearn 中遇到了两个函数：view_as_window() 和 extract_patches_2d()。我的问题是，

1. 为什么有两种方法？
2. 哪一种最适合我的用例？

Answer 1

由于您想从 2D 图像中提取面片，因此

sklearn.feature_extraction.image.extract_patches_2d

是正确的选择，因为它只执行此操作，而不执行其他操作，并且您可以期望它已针对该任务进行了优化。

虽然类似

skimage.util.view_as_windows

的内容对于您感兴趣的 2D 案例可能会产生类似的结果，但这并不是它编写的具体目的。此函数提供 n 维数组的滚动窗口视图，尽管在您的情况下“n”可能是 2，但它适用于任何 n。

因此，

skimage.util.view_as_windows

可能没有针对您想要的用例进行优化，或者将来可能会受到额外逻辑的影响，这只会对您的用例产生负面影响。

即使

skimage.util.view_as_windows

最终在后台调用

skimage.util.view_as_windows

，使用更具体的调用仍然有意义，以便从未来潜在的优化中受益或避免与您的用例产生分歧。