有时候，我们需要将一张大图分割成多个小图。网上提供了大量方法，但是这些方法大多只能让你保证小块之间不重叠，或者无法控制切割的最终数量。本文将介绍sklearn.feature_extraction.image库中的extract_patches_2d函数。该函数可以将一张图像分割成多个重叠或非重叠的小图，以便进一步处理或分析。当你指定需要切割的数量时，该程序将会尽可能不重叠的切割你的图像。如下图所示。
这个程序是怎么实现的呢？本文将会首先介绍这个函数的使用，其次我将会给出一个示例程序直接帮助你批量切割图片。
目录
〇、准备工作，PIL库安装
可以通过以下命令在Python中安装Pillow库（它是Python Imaging Library的分支版本）：
pip install Pillow同时，你可以使用pip命令来安装scikit-learn，即sklearn。在命令行中输入以下命令即可安装：
pip install -U scikit-learn此外，还可以通过Anaconda或Miniconda等科学计算发行版进行安装。如果你使用Anaconda，可以使用以下命令来安装Pillow库：
conda install pillow
和 sklearn：
conda install scikit-learn一、函数介绍
要使用extract_patches_2d函数，你需要指定输入图像、小块(patch)大小和最大小块数量。小块大小是指要提取的每个小图的大小，通常以像素为单位表示。最大小块数量是指要从图像中提取的最大小块数量。如果不指定最大小块数量，则该函数将提取尽可能多的不重叠小块。
例如，假设你有一张500x500像素的图像，并且希望将其分割成大小为32x32像素的重叠patch，可以按如下方式使用extract_patches_2d函数：
# 读取图像文件并将其转换为NumPy数组
image = plt.imread('image.jpg')
# 定义patch大小
patch_size = (32, 32)
# 定义要提取的最大patch数量
max_patches = None
# 从图像中提取patch
patches = extract_patches_2d(image, patch_size, max_patches=max_patches)在上面的代码中，我们首先使用plt.imread()函数将图像文件加载为NumPy数组。然后，我们定义了patch大小为32x32像素，并将最大patch数量设置为None以提取尽可能多的不重叠patch。最后，我们使用extract_patches_2d函数从图像中提取patch，并将结果保存在patches变量中。
二、批量转换图片
在这个case里，我将介绍如何批量切割一个文件夹里的大量图片。
import os
from PIL import Image
from sklearn.feature_extraction.image import extract_patches_2d
from numpy to np
# 定义输入和输出文件夹路径
input_dir = '/path/to/input/folder/'
output_dir = '/path/to/output/folder/'
# 定义patch大小
patch_size = (32, 32)
# 定义要提取的最大patch数量
max_patches = None
# 遍历输入文件夹中的所有图像文件
for filename in os.listdir(input_dir):
if filename.endswith('.jpg') or filename.endswith('.png'):
# 加载图像作为NumPy数组
image = np.array(Image.open(os.path.join(input_dir, filename)))
# 从图像中提取patch
patches = extract_patches_2d(image, patch_size, max_patches=max_patches)
# 将patch保存为图像文件
for i, patch in enumerate(patches):
# 将patch转换为PIL图像对象
patch_image = Image.fromarray(patch)
# 创建输出文件夹（如果不存在）
if not os.path.exists(output_dir):
os.makedirs(output_dir)
# 保存patch图像文件
patch_filename = os.path.splitext(filename)[0] + '_patch{}.jpg'.format(i)
patch_image.save(os.path.join(output_dir, patch_filename))
在此示例中，我们首先定义了输入和输出文件夹的路径，以及要提取的patch大小和最大patch数量。然后，我们使用os库遍历输入文件夹中的所有图像文件，并使用PIL库将它们加载为NumPy数组。接下来，我们使用extract_patches_2d函数从图像中提取patches，并使用PIL库将每个patch保存为单独的图像文件。最后，我们将输出文件保存到输出文件夹中。
值得注意的是，我这里假设输入文件夹中只包含图像文件，并且所有图像文件都具有.jpg或.png文件扩展名。如果你的文件夹中包含其他类型的文件或文件扩展名，请相应地更改代码。此外，此示例代码将输出文件保存为JPEG格式。如果你需要使用其他格式，请相应地更改patch_image.save()调用中的文件扩展名。
创作不易，如果帮到你可不可以点赞关注，谢谢啦~