python多幅图自适应紧致二维排放

有时可视化会要同时放多幅图，如分割的原图、label、pseudo-label 和 prediction。当图很多，简单地排成一行可能会太长，不便观看。考虑将图排成二维网格（grid）展示，且为方便看，考虑让网格尽可能「紧致」是不是「发散」。

可用网格的周长衡量其紧致程度。由于积定和最小，所有图的总面积一定，存在一种排法使得网格周长最短，从而最紧致。一般地，有 n 幅图要一齐展示，排成 $H\times W$ 的二维网格，则编排的目的是使网格的（半）周长 H + W 尽量小。

有时为了令此周长最短，可能需要多一些冗余坑位。如 17 幅周长为 a 的正方形图，如果排成 1x17 或 17x1，则网格的半周长是 a + 17a = 18a；而若放在 2x9 网格内，虽然共 18 个格，冗余一格，但此时半周长为 2a + 9a = 11a < 18a；若是 3x6 则更短：3a + 6a = 9a；而 4x5 也是 4a + 5a = 9a，但会冗余两格。即越接近正方形越紧致。

Code

• exact 参数指定是否限制网格恰有 n 个格

# import math, numpy as np

def compact_image_grid(image_list, exact=False):
    """adaptively arrange images in a compactest 2D grid (for better visualisation)
    Input:
        image_list: list of images in format of [h, w] or [h, w, c] numpy.ndarray
        exact: bool, subjest to #grids = #images or not.
            If False, #grids > #images may happen for a more compact view.
    Output:
        grid: [H, W] or [H, W, c], compiled images
    """
    n = len(image_list)
    if 1 == n:
        return image_list[0]

    # max image resolution
    max_h, max_w = 0, 0
    for im in image_list:
        h, w = im.shape[:2]
        max_h = max(max_h, h)
        max_w = max(max_w, w)

    # find compactest layout
    nr, nc = 1, n
    min_peri = nr * max_h + nc * max_w # 1 row
    for r in range(n, 1, -1):
        if exact and n % r != 0:
            continue
        c = math.ceil(n / r)
        assert r * c >= n and r * (c - 1) <= n
        peri = r * max_h + c * max_w
        if peri < min_peri:
            nr, nc, min_peri = r, c, peri
    assert nr * nc >= n

    grid_shape = (nr * max_h, nc * max_w) + image_list[0].shape[2:]
    grid = np.zeros(grid_shape, dtype=image_list[0].dtype)
    for i, img in enumerate(image_list):
        r, c = i // nc, i % nc
        h, w = img.shape[:2]
        grid[r*max_h: r*max_h+h, c*max_w: c*max_w+w] = img

    return grid

Test

import os, math
import numpy as np
from PIL import Image


def compact_image_grid(image_list, exact=False):
    """见前文"""
    pass


# 读 17 幅图
p = os.path.expanduser(r"~\Pictures\wallpaper")
img_list = []
for i, f in enumerate(os.listdir(p)):
    img = np.asarray(Image.open(os.path.join(p, f)).resize((224, 224)))
    if img.ndim < 3: continue
    img_list.append(img[:, :, :3])
    if len(img_list) >= 17: break

# exact=False，必须恰有 n 格
Image.fromarray(compact_image_grid(img_list, exact=False)).save("grid.png")
# exact=True，允许冗余格
Image.fromarray(compact_image_grid(img_list, exact=True)).save("grid-exact.png")

效果：

允许冗余：

准确格数：