NumPy:画像処理で使う【0パディング】の例

page:[NumPyまとめ]

サマリ

• np.pad
  • 元のndarray（NumPy配列）を広げる
  • 広げる時にある数字で満たすことをパディング（padding）と言う
• ※ここでは画像処理で利用する0パディングに限定

前提

• np.random.randint
  • NumPy:【np.random】のあれこれ（実行結果で説明）

サンプルコード

np.pad（1次元の場合）

元のndarrayの確認

import numpy as np
a = np.random.randint(1,30,5)
print(a)
print(a.shape)

[18 15 28 14  1]
(5,)

• 1次元のndarray（NumPy配列）を作成

padding実行

b = np.pad(a,1)
c = np.pad(a,2)
print(b)
print(b.shape)
print(c)
print(c.shape)

[ 0 18 15 28 14  1  0]
(7,)
[ 0  0 18 15 28 14  1  0  0]
(9,)

• 左右に0が付く
• padding=1の場合
  • 5+(1×2)=7になる
• padding=2の場合
  • 5+(2×2)=9になる
• 単純な計算だけど、左右分の2倍されることに注意（よく忘れる）

np.pad（2次元の場合）

元のndarrayの確認

import numpy as np
a = np.random.randint(10,100, 6).reshape(2,3)
print(a)
print(a.shape)

[[18 34 77]
 [97 89 58]]
(2, 3)

• 表示が見やすくなるように2桁の数字に限定
• 形状(2,3)のndarray（NumPy配列）を作成
  • 縦方向が2（2行）
  • 横方向が3（3列）

padding=1実行

b = np.pad(a,1)
print(b)
print(b.shape)

[[ 0  0  0  0  0]
 [ 0 18 34 77  0]
 [ 0 97 89 58  0]
 [ 0  0  0  0  0]]
(4, 5)

• 周囲に0が付く（見た目にはとても分かりやすい）
• 行方向
  • 2+(1×2)=4になる
• 列方向
  • 3+(1×2)=5になる
• それぞれの計算方法は1次元の時と同じことに注意

padding=2実行

c = np.pad(a,2)
print(c)
print(c.shape)

[[ 0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0]
 [ 0  0 18 34 77  0  0]
 [ 0  0 97 89 58  0  0]
 [ 0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0]]
(6, 7)

• 周囲に0が2つずつ付く
• 行方向
  • 2+(2×2)=6になる
• 列方向
  • 3+(2×2)=7になる
• やっぱり、左右分（上下分）の2倍されることに注意（よく忘れる）

タプル指定するとどうなるか？

d = np.pad(a,((1,2),(3,2)))
print(d)
print(d.shape)

[[ 0  0  0  0  0  0  0  0]
 [ 0  0  0 18 34 77  0  0]
 [ 0  0  0 97 89 58  0  0]
 [ 0  0  0  0  0  0  0  0]
 [ 0  0  0  0  0  0  0  0]]
(5, 8)

• (1,2)
  • 行方向に伸びる
  • 上に1行
  • 下に2行
• (3,2)
  • 列方向に伸びる
  • 左に3行
  • 右に2行