將尺寸添加到Numpy陣列

我從圖像的一個numpy數組開始。將尺寸添加到Numpy陣列

In[1]:img = cv2.imread('test.jpg')

形狀是您對640x480 RGB圖像的預期結果。

In[2]:img.shape 
Out[2]: (480, 640, 3)

但是，我擁有的這個圖像是一個100幀長的視頻幀。理想情況下，我希望有一個包含此視頻中所有數據的單個陣列，以便img.shape返回(480, 640, 3, 100)。

什麼是最好的方式添加下一幀 - 也就是說，下一組圖像數據，另一個480 x 640 x 3陣列 - 我的初始數組？

來源

2013-06-30 Chris

你可以只創建正確大小的前期數組並填寫：

frames = np.empty((480, 640, 3, 100)) 

for k in xrange(nframes): 
    frames[:,:,:,k] = cv2.imread('frame_{}.jpg'.format(k))

如果幀被認爲是在某種特定的方式命名的個人JPG文件（在本例中，frame_0.jpg ，frame_1.jpg等）。

請注意，您可以考慮使用(nframes, 480,640,3)形狀的陣列。

來源

2013-06-30 21:24:25 JoshAdel

我認爲這是要走的路。如果使用串聯，則每次添加時都需要將內存中的數組移動到內存中。對於100幀應該不重要，但如果你想要去更大的視頻。順便說一句，我會用幀的數量作爲第一維度，所以有一個（100,480,640,3）數組，通過這種方式可以訪問單個幀（通常希望你會想要看什麼，對嗎？）更容易（F [1 ]而不是F [：，：，：，1]）。當然，表現明智，根本就不重要。 – Magellan88

您可以使用np.concatenate()指定追加其axis，使用np.newaxis：

import numpy as np 
movie = np.concatenate((img1[:,np.newaxis], img2[:,np.newaxis]), axis=3)

如果你是從許多文件閱讀：

import glob 
movie = np.concatenate([cv2.imread(p)[:,np.newaxis] for p in glob.glob('*.jpg')], axis=3)

來源

2013-07-01 15:13:11

你詢問如何維度添加到NumPy數組，以便可以增加該維度以適應新的數據。尺寸可以如下添加：

image = image[..., np.newaxis]。

來源

2014-09-10 00:47:26 dbliss

目前，'numpy.newaxis'被定義爲'None'（在文件'numeric.py'中），所以等價地你可以使用'image = image [...，None]。 – Ray

我採取了這一做法：

import numpy as np 
import cv2 

ls = [] 

for image in image_paths: 
    ls.append(cv2.imread('test.jpg')) 

img_np = np.array(ls) # shape (100, 480, 640, 3) 
img_np = np.rollaxis(img_np, 0, 4) # shape (480, 640, 3, 100).

來源

2016-06-21 07:44:53 richar8086

或者到

image = image[..., np.newaxis]

在@dbliss的回答，您還可以使用numpy.expand_dims像

image = np.expand_dims(image, <your desired dimension>)

例如（取自以上鍊接）：

x = np.array([1, 2]) 

print x.shape # prints (2,)

然後

y = np.expand_dims(x, axis=0)

產生

array([[1, 2]])

和

y.shape

給出

(1, 2)

來源

2017-04-30 16:15:37 Cleb

如何在新維度中添加值？如果我做'y [1,0]'它會給索引超出界限的錯誤。 'y [0,1]'可以訪問 – weima

@weima：不完全確定你在做什麼。你想要的輸出是什麼？ – Cleb

numpy中沒有任何結構允許您稍後追加更多數據。

相反，numpy會將所有數據放入一個連續的數字塊（基本上是一個C數組），並且任何調整大小都需要分配一個新的內存塊來保存它。 Numpy的速度來自於能夠將所有數據保存在同一塊內存中的一個numpy數組中;例如數學運算可以是parallelized for speed，而你得到的更少，cache misses。

所以，你將有兩種解決方案：

預分配的內存爲numpy的陣列並填寫值，比如在JoshAdel的答案，或
保持你的數據在一個普通的Python列表中，直到它的實際需要把它們放在一起（見下文）

images = [] 
for i in range(100): 
    new_image = # pull image from somewhere 
    images.append(new_image) 
images = np.stack(images, axis=3)

請注意，不需要首先擴展單個圖像數組的尺寸，也不需要知道您預期會提前多少個圖像。

來源

2017-11-06 07:15:51 Multihunter

將尺寸添加到Numpy陣列

回答

相關問題