.png){kind=icon}
返回
GridSamp: An open-source Python toolbox for grid sampling
.png){kind=icon}
PRE
AI
DOI：10.3758/s13428-026-03141-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网格采样在视觉科学和计算机视觉中广泛应用，用于研究局部图像区域与全局图像结构之间的关系。通过将具有预定义行列的网格叠加到图像上，并将单元格内容视为图像区域，从图像中采样区域。通过调整网格属性，研究人员可以系统地控制采样属性，如密度和局部样本的空间排列。然而，尽管其频繁使用，网格采样通常采用临时的、研究特定的代码实现，限制了可重复性、跨研究可比性以及对新用户可访问性。为弥补这一差距，我们介绍了GridSamp，这是一个开源Python工具箱，将网格采样工作流程标准化并简化为直观且灵活的工作流程。GridSamp支持多种网格类型，具有用户定义的参数和起始位置，允许调整采样区域的外观和排列（如区域形状、大小、交换和洗牌），并支持提取图像区域，包括或不包括周围上下文，作为感兴趣区域或重新组装的马赛克图像。我们通过重现先前实验研究中的刺激物，展示了GridSamp的实用性，说明了该工具箱如何促进透明且可重复的刺激生成。源代码和交互式Jupyter Notebook教程可在GitHub上免费获取，GridSamp可作为模块从Python Package Index下载。
Keyword:
Grid sampling
Hierarchical images
Scene perception
Empirical aesthetics
Local–global perception