Numpy之pad用法

• 1、函数说明
• • 1.1、语法
  • 1.2、参数解释
• 2、一、二维数组填充
• • 2.1、一维数组填充
  • 2.2、二维数组填充
• 3、三维数组填充
• • 3.1、通道在前[CHW]
  • 3.2、通道在后[HWC]
• 4、四维数组填充
• • 4.1、通道在前 BCHW
  • 4.2、通道在后 BHWC
• 5、总结

1、函数说明

1.1、语法

numpy.pad(array, pad_width, mode=‘constant’, **kwargs)

1.2、参数解释

array：需要填充的数组

pad_width:填充尺寸，按轴填充，每个轴前后两侧的填充数量组成一个tuple。

mode:填充方式，默认是常量填充。

2、一、二维数组填充

2.1、一维数组填充

一维数组填充很简单，

pad_width

是一个包含两个整数的元组，代表在数组左右两侧填充的数据个数，

“constant”

表示常量，默认为0，可以使用

"constant_values"

自定义填充值。

a=np.array([1,2,10])
b=np.pad(a,(2,4),"constant")
           

array([ 0,  0,  1,  2, 10,  0,  0,  0,  0])
           

array([ 1,  1,  1,  2, 10,  1,  1,  1,  1])
           

2.2、二维数组填充

先定义一个2x2的二维数组

array([[1, 2],
       [4, 9]])
           

为了能直观的看到

pad_width

参数如何设置，我们让二维数组的行方向上的上侧扩充2行，下侧扩充4行，列方向上的左侧扩充1列，右侧扩充3列，此时

pad_width=((2,4)(1,3))

，填充值为-100。

扩充结果

array([[-100, -100, -100, -100, -100, -100],
       [-100, -100, -100, -100, -100, -100],
       [-100,    1,    2, -100, -100, -100],
       [-100,    4,    9, -100, -100, -100],
       [-100, -100, -100, -100, -100, -100],
       [-100, -100, -100, -100, -100, -100],
       [-100, -100, -100, -100, -100, -100],
       [-100, -100, -100, -100, -100, -100]])
           

这个例子中pad_width=((2,4),(1,3))，其中(2,4)代表在第一个轴(行)上的扩充数，（1,3）代表第二个轴(列)上的扩充数。

3、三维数组填充

3.1、通道在前[CHW]

定义一个通道在前的三维数组，通道数为3，高为2，宽为2，类似一张2x2尺寸的RGB图像。

array([[[1, 2],
        [4, 9]],
       [[3, 2],
        [7, 4]],
       [[1, 9],
        [0, 3]]])
           

这里我们让图片的前后左右各扩充一个像素，与二维数组不同的是，我们希望三个通道能同时进行扩充，此时，

pad_width=((0,0),(1,1),(1,1))

。

array([[[-100, -100, -100, -100],
        [-100,    1,    2, -100],
        [-100,    4,    9, -100],
        [-100, -100, -100, -100]],
       [[-100, -100, -100, -100],
        [-100,    3,    2, -100],
        [-100,    7,    4, -100],
        [-100, -100, -100, -100]],
       [[-100, -100, -100, -100],
        [-100,    1,    9, -100],
        [-100,    0,    3, -100],
        [-100, -100, -100, -100]]])
           

这个例子中pad_width=((0,0),(1,1),(1,1))，其中(0,0)代表在第一个轴(通道)上的扩充数，（1,1）代表第二个轴(行)上的扩充数，下一个(1,1)代表第三个轴(列)上的扩充数。

注意通道位置上的扩充参数(0,0)不能省略。

3.2、通道在后[HWC]

同样一张2x2的RGB图像，我们用通道在后的数组形式来表示，(通道在后的数组的表达形式不如通道在前的数组直观，可以用

transpose()

方法将通道在前的数组转换为通道在后的数组)

array([[[1, 3, 1],
        [2, 2, 9]],
       [[4, 7, 0],
        [9, 4, 3]]])
           

通道轴上不需要扩充，因此设置为(0,0)，通道顺序在最后，此时的

pad_width=((1,1),(1,1),(0,0))

array([[[-100, -100, -100],
        [-100, -100, -100],
        [-100, -100, -100],
        [-100, -100, -100]],
       [[-100, -100, -100],
        [   1,    3,    1],
        [   2,    2,    9],
        [-100, -100, -100]],
       [[-100, -100, -100],
        [   4,    7,    0],
        [   9,    4,    3],
        [-100, -100, -100]],
       [[-100, -100, -100],
        [-100, -100, -100],
        [-100, -100, -100],
        [-100, -100, -100]]])
           

如果你对通道在后的数组表示形式很难理解，就不太能够从上面的输出结果判断我们的填充操作是否正确，可以使用

transpose()

方法，把扩充后的数组的通道顺序转换到前面，

array([[[-100, -100, -100, -100],
        [-100,    1,    2, -100],
        [-100,    4,    9, -100],
        [-100, -100, -100, -100]],
       [[-100, -100, -100, -100],
        [-100,    3,    2, -100],
        [-100,    7,    4, -100],
        [-100, -100, -100, -100]],
       [[-100, -100, -100, -100],
        [-100,    1,    9, -100],
        [-100,    0,    3, -100],
        [-100, -100, -100, -100]]])
           

此时可以看到，确实在每个通道的前后左右都扩充了一个像素。

4、四维数组填充

深度学习模型的输入通常是4个维度，即B,C,H,W，分别对应批量，通道，高度，宽度。一般情况下如果图片需要做

pad()

操作，都是在单张图片上先填充，然后再合并在一起，这里我们为了测试numpy的

pad()

方法，也在4维数组上做下测试，同样分通道在前和在后的情况。(批量维度的位置始终不变)。

4.1、通道在前 BCHW

先按照BCHW的顺序定义一个四维数组，这里我们设置B=2，C=3，H=2，W=2，类似两张2X2的RGB图像。

aaaa=np.array([[[[1,2],[4,9]],[[3,2],[7,4]],[[1,9],[0,3]]],[[[2,2],[4,3]],[[1,2],[4,4]],[[4,9],[0,2]]]])
print(aaaa)
           

[[[[1 2]
   [4 9]]

  [[3 2]
   [7 4]]

  [[1 9]
   [0 3]]]


 [[[2 2]
   [4 3]]

  [[1 2]
   [4 4]]

  [[4 9]
   [0 2]]]]
           

我们现在是对4维数组做扩充，增加的一维是batch_size,这个维度不需要扩充，因此扩充参数设置为(0,0)，此时

pad_width=((0,0),(0,0),(1,1),(1,1))

。

bbbb=np.pad(aaaa,((0,0),(0,0),(1,1),(1,1)),"constant",constant_values=-100)
print(bbbb)
           

[[[[-100 -100 -100 -100]
   [-100    1    2 -100]
   [-100    4    9 -100]
   [-100 -100 -100 -100]]

  [[-100 -100 -100 -100]
   [-100    3    2 -100]
   [-100    7    4 -100]
   [-100 -100 -100 -100]]

  [[-100 -100 -100 -100]
   [-100    1    9 -100]
   [-100    0    3 -100]
   [-100 -100 -100 -100]]]


 [[[-100 -100 -100 -100]
   [-100    2    2 -100]
   [-100    4    3 -100]
   [-100 -100 -100 -100]]

  [[-100 -100 -100 -100]
   [-100    1    2 -100]
   [-100    4    4 -100]
   [-100 -100 -100 -100]]

  [[-100 -100 -100 -100]
   [-100    4    9 -100]
   [-100    0    2 -100]
   [-100 -100 -100 -100]]]]
           

4.2、通道在后 BHWC

请读者自己尝试写一下如何扩充，用来检验是否理解了NumPy的

pad()

方法。

5、总结

1、pad()`方法中最关键的参数是pad_width，pad_width的形式是一个嵌套元组，即内部元素为元组的元组,((before_1,end_1),(before_2,end_2)…(before_N,end_N)),N为数组的维度。

2、在做高维度扩充时要注意不需要填充的轴对应的pad_width的元素为(0,0)，且不能省略。