画像の分割プログラムが複雑

Question

img = Image.open("drive/My Drive/mnist_dataset/file.jpeg")
img = img.resize((30, 30))
img = np.asarray(img)

size = 5

v_size = img.shape[0] // size * size
h_size = img.shape[1] // size * size
img = img[:v_size, :h_size]

v_split = img.shape[0] // size
h_split = img.shape[1] // size
out_img = []
[out_img.extend(np.hsplit(h_img, h_split))
    for h_img in np.vsplit(img, v_split)]

拾ってきたこのプログラムでfile.jpegを等分割できると知ったのですが、よく分からないので良ければプログラムの意味を上から説明して頂きたいのですが。。
ざっと見た感じの疑問として、ます初めになぜ
v_size = img.shape[0] // size * size
ここでsizeの2乗、つまり25で36を割って切り捨てているのか...？
後半のように縦横を5で割るだけではだめなのか...？

また、
[out_img.extend(np.hsplit(h_img, h_split))
for h_img in np.vsplit(img, v_split)]
これは、式　for リスト変数　in 変数の形？？
ならリスト変数に数が格納されるのではと思ったがそうでもない...？
また、複雑すぎて何をやっているのか分からない。。

全体のコードは以下

from google.colab import drive
drive.mount('/content/drive')

import sys
import numpy as np
import matplotlib.pyplot as plt

sys.path.append('/content/drive/My Drive')

import ActivationFunction as AF

from PIL import Image
from IPython.display import display

img = Image.open("drive/My Drive/mnist_dataset/rei.jpeg")
img = img.resize((100, 100))
img = np.asarray(img)

size = 5

v_split = img.shape[0] // size
h_split = img.shape[1] // size
out_img = []
[out_img.extend(np.hsplit(h_img, h_split))
    for h_img in np.vsplit(img, v_split)]

plt.subplot(161).imshow(out_img[0])
plt.subplot(162).imshow(out_img[1])
plt.subplot(163).imshow(out_img[2])
plt.subplot(164).imshow(out_img[3])
plt.subplot(165).imshow(out_img[4])
plt.subplot(166).imshow(out_img[5])
plt.subplot(167).imshow(out_img[6])
plt.subplot(168).imshow(out_img[7])
plt.subplot(169).imshow(out_img[8])

# PILで開いたうえでデータをNumpy形式にする
# （例えばJPEGは圧縮されていてNumpyな配列になっていないので、
# そこからNumpyのデータ空間(?)に持ってくる必要がある）
tefilename = "test2.png"
teimg = Image.open("drive/My Drive/mnist_dataset/" + tefilename)
teimg = teimg.resize((10, 10))
teimg = np.asarray(teimg)

def extract(x, y):
    # カラー画像の時Gだけ抜き取りたい
    if len(x.shape) == 3:
        h, w, ch = x.shape

    # RGBのGだけ抜き取りたい
    return x[:,:,y]

v_max, v_min = 300, 200

def diff(x):
    imgrows, lenrows, imgcolumns, lencolumns = [], [], [], []
    for (img, imgt) in zip(x, x.T):
        rows = img[(v_min<img)&(v_max>img)]
        columns = imgt[(v_min<imgt)&(v_max>imgt)]
        imgrows.append(rows)
        lenrows.append(len(rows))
        imgcolumns.append(columns)
        lencolumns.append(len(columns))
    return lenrows + lencolumns

test_data_list = []

test_data_list.append([0] + diff(extract(teimg, 1)) + diff(extract(teimg, 2))  + diff(extract(teimg, 0))) # 略

out_data_list0 = []

out_data_list0.append([0] + diff(extract(out_img[0], 1)) + diff(extract(out_img[0], 2))  + diff(extract(out_img[0], 0)))

out_data_list1 = []

out_data_list1.append([0] + diff(extract(out_img[1], 1)) + diff(extract(out_img[1], 2))  + diff(extract(out_img[1], 0)))

# 見本データに対しても同様に
# exについて同様に
training_data_list = []

for i in range(10):
    for e in range(1):
        trad = Image.open("drive/My Drive/mnist_dataset/" + str(10*i+e) + ".png")
        trad = trad.resize((10, 10))
        trad = np.asarray(trad)
        #g #b #r 抽出後diffしてappend
        training_data_list.append([i] + diff(extract(trad, 1)) + diff(extract(trad, 2))  + diff(extract(trad, 0))) # 略

print("training_data_list" ,training_data_list)
print("training_data_list[1:]" ,training_data_list[1:])

# 3層ニューラルネットワーク
class ThreeLayerNetwork:
    # コンストラクタ
    def __init__(self, inodes, hnodes, onodes, lr):
        # 各レイヤーのノード数
        self.inodes = inodes
        self.hnodes = hnodes
        self.onodes = onodes

        # 学習率
        self.lr = lr

        # 重みの初期化
        self.w_ih = np.random.normal(0.0, 1.0, (self.hnodes, self.inodes))
        self.w_ho = np.random.normal(0.0, 1.0, (self.onodes, self.hnodes))

        # 活性化関数
        self.af = AF.sigmoid
        self.daf = AF.derivative_sigmoid

    # 誤差逆伝搬
    def backprop(self, idata, tdata):

        # 縦ベクトルに変換
        o_i = np.array(idata, ndmin=2).T
        t = np.array(tdata, ndmin=2).T

        # 隠れ層
        np.set_printoptions(threshold=10000)
        x_h = np.dot(self.w_ih, o_i)
        o_h = self.af(x_h)

        # 出力層
        x_o = np.dot(self.w_ho, o_h)
        o_o = self.af(x_o)

        # 誤差計算
        e_o = (t - o_o)
        e_h = np.dot(self.w_ho.T, e_o)

        # 重みの更新
        self.w_ho += self.lr * np.dot((e_o * self.daf(o_o)), o_h.T)
        self.w_ih += self.lr * np.dot((e_h * self.daf(o_h)), o_i.T)


    # 順伝搬
    def feedforward(self, idata):
        # 入力のリストを縦ベクトルに変換
        o_i = np.array(idata, ndmin=2).T

        # 隠れ層
        x_h = np.dot(self.w_ih, o_i)
        o_h = self.af(x_h)

        # 出力層
        x_o = np.dot(self.w_ho, o_h)
        o_o = self.af(x_o)

        return o_o

if __name__=='__main__':
    # パラメータ
    #inodes=784から30に変更
    inodes = 31
    hnodes = 100
    onodes = 10
    lr = 0.3

    # ニューラルネットワークの初期化
    nn = ThreeLayerNetwork(inodes, hnodes, onodes, lr)

    # 学習
    epoch = 50
    # 50000
    for e in range(epoch):
        print('#epoch ', e)
        data_size = len(training_data_list)
        for i in range(data_size):
            if i % 1000 == 0:
                print('  train: {0:>5d} / {1:>5d}'.format(i, data_size))
            idata = (np.array(out_data_list1) / 255.0 * 0.99) + 0.01
            # 変更の余地あり
            tdata = np.zeros(onodes) + 0.01
            tdata[out_data_list1[0]] = 0.99
            nn.backprop(idata, tdata)
            pass
        pass

    # テスト
    scoreboard = []
    for record in test_data_list:
        idata = (np.array(out_data_list0) / 255.0 * 0.99) + 0.01
        predict = nn.feedforward(idata)
        plabel = np.argmax(predict)
        print("predict" ,predict)
        print("plabel" ,plabel)
        pass

    scoreboard_array = np.asarray(scoreboard)
    print('performance: ', scoreboard_array.sum() / scoreboard_array.size)

Comments

[1T2R3M4]

https://teratail.com/questions/338466
https://teratail.com/questions/338168
この辺りが参考になりませんか。

[meg_]

> 拾ってきたこのプログラムで
無断転載は止めましょう。引用元を書いてください。

[ques346]

引用元は↑です。

[meg_]

> 引用元は↑です。
？ 他の人の質問からコードを借用したという意味でしょうか？ここに書いても皆さんに伝わりませんので質問本文に追記された方が良いかと思います。

Answer 1

v_size = img.shape[0] // size * size
ここでsizeの2乗、つまり25で36を割って切り捨てているのか...？

ここが勘違い。
左結合ですから、img.shape[0] // size * sizeは(img.shape[0] // size) * sizeであって、sizeで割って切り捨ててからsizeを掛けています。

元の数を超えない最大のsizeの倍数を取得するイディオムです。
そもそも30が5で割り切れるので、~~質問では無駄になってるコードですね。わかってない人が書いたんでしょう。~~念のため残してある程度のコードなのかもしれません。そのあたりは書いた人に聞かないと分からないですね。

---

[out_img.extend(np.hsplit(h_img, h_split))
    for h_img in np.vsplit(img, v_split)]

このコードはよくないです。
リスト内包の結果を捨てているだけ無駄なので、

for h_img in np.vsplit(img, v_split):
    out_img.extend(np.hsplit(h_img, h_split))

の方が意図に沿っているでしょう。

---

リスト内包で書くのだったら

out_img = [np.hsplit(h_img, h_split) for h_img in np.vsplit(img, v_split)]

の1行でよいです。

Comments

[ques346]

なるほど

img.shape[0] // size * size
にはそんな意味があったんですね、で、これ丸々必要がないと。

for h_img in np.vsplit(img, v_split):
out_img.extend(np.hsplit(h_img, h_split))
これでもなかなか複雑ですね・・・
単純に読み解いていくと、
まずfor文の条件について、
imgをv_splitという数でvsplitして、その要素を順番にh_imgに入れていく・・・
そしてそのh_imgを使い、どのような処理をしていくか？がfor文の中身で、
h_imgをh_splitという数でhsplitして、リストout_imgに入力、
これを全ての要素について行っていく・・・

といった感じですかね。

で、これで何ができているのか、いまいち掴めない・・・。

[quickquip]

> imgをv_splitという数でvsplitして、その要素を順番にh_imgに入れていく・・・
> そしてそのh_imgを使い、どのような処理をしていくか？がfor文の中身で、
> h_imgをh_splitという数でhsplitして、リストout_imgに入力、
> これを全ての要素について行っていく・・・
何をやっているかがちゃんと説明できてますよね。

[ques346]

結局これはなにをやってるんでしょうか・・・意味としては。

[quickquip]

imgを等分割してそれぞれを等分割しているので、imgが等分割されるんですよ。

[ques346]

縦分割のあと横分割とかしてる感じですか？
このプログラムはそれだけなんでしょうか？

extendはリスト内包と等価なんですね、内包の方が小さくまとまってて良いですね。

全体のコードを質問に追記したのですが、
提示いただいた
out_img = [np.hsplit(h_img, h_split) for h_img in np.vsplit(img, v_split)]
だとエラーが出ます、なぜでしょう（初めに提示頂いたコードではエラーは出ません。）

[jbpb0]

quickquipさん

> そもそも30が5で割り切れるので、

> 念のため残してある程度のコードなのかもしれません。そのあたりは書いた人に聞かないと分からないですね。

https://teratail.com/questions/338466
から辿って、
https://qiita.com/ka10ryu1/items/015c6a6a5fa287a47828
を見ると、もともとのコードにはimg.resize()はありません

割り切れない組み合わせで使ってもエラーにならないようにしてあるのだと思います

[quickquip]

つまりterataillerさんに聞いてください、ということです。

[ques346]

terataillerさんはもういないみたいです。

[jbpb0]

アカウント凍結されてますね
https://teratail.com/users/teratailler

[quickquip]

おお。退会と凍結で見え方が違うんですね。知りませんでした……（まあ言葉が通じなかったしね…）