Làm cách nào để thêm thứ nguyên mới vào mảng Numpy?

Question 1

Tôi bắt đầu với một mảng hình ảnh nhỏ.

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

Hình dạng là những gì bạn có thể mong đợi đối với hình ảnh RGB 640x480.

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

Tuy nhiên, hình ảnh mà tôi có là một khung hình của một video, dài 100 khung hình. Lý tưởng nhất, tôi muốn có một mảng duy nhất chứa tất cả dữ liệu từ video này img.shapesẽ trả về (480, 640, 3, 100).

Cách tốt nhất để thêm khung hình tiếp theo - tức là tập dữ liệu hình ảnh tiếp theo, một mảng 480 x 640 x 3 khác - vào mảng ban đầu của tôi là gì?

Question 2

Bạn đang hỏi cách thêm thứ nguyên vào mảng NumPy, để sau đó thứ nguyên đó có thể được phát triển để chứa dữ liệu mới. Một thứ nguyên có thể được thêm vào như sau:

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

Question 3

Ngoài ra

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

trong câu trả lời @dbliss ' , bạn cũng có thể sử dụng numpy.expand_dimsnhư

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

Ví dụ (lấy từ liên kết trên):

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

print(x.shape)  # prints (2,)

Sau đó

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

hoa lợi

array([[1, 2]])

và

y.shape

cho

(1, 2)

Question 4

Bạn chỉ có thể tạo một mảng có kích thước chính xác từ trước và điền vào đó:

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

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

nếu các khung là tệp jpg riêng lẻ được đặt tên theo một số cách cụ thể (trong ví dụ: frame_0.jpg, frame_1.jpg, v.v.).

Chỉ cần một lưu ý (nframes, 480,640,3), thay vào đó bạn có thể cân nhắc sử dụng một mảng hình.

Question 5

Pythonic

X = X[:, :, None]

tương đương với

X = X[:, :, numpy.newaxis] và X = numpy.expand_dims(X, axis=-1)

Nhưng vì bạn đang hỏi rõ ràng về việc xếp chồng các hình ảnh, tôi khuyên bạn nên xếp chồng các listhình ảnh np.stack([X1, X2, X3])mà bạn có thể đã thu thập trong một vòng lặp.

Nếu bạn không thích thứ tự của các kích thước, bạn có thể sắp xếp lại với np.transpose()

Question 6

Bạn có thể sử dụng np.concatenate()chỉ định cái nào axisđể nối thêm, bằng cách sử dụng np.newaxis:

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

Nếu bạn đang đọc từ nhiều tệp:

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

Question 7

Không có cấu trúc nào trong numpy cho phép bạn nối thêm dữ liệu sau này.

Thay vào đó, numpy đặt tất cả dữ liệu của bạn vào một nhóm số liền nhau (về cơ bản; một mảng C) và bất kỳ thay đổi kích thước nào cũng yêu cầu phân bổ một phần bộ nhớ mới để chứa nó. Tốc độ của Numpy đến từ việc có thể giữ tất cả dữ liệu trong một mảng phức tạp trong cùng một đoạn bộ nhớ; Ví dụ: các phép toán có thể được thực hiện song song để tăng tốc độ và bạn ít bị lỗi bộ nhớ cache hơn .

Vì vậy, bạn sẽ có hai loại giải pháp:

Phân bổ trước bộ nhớ cho mảng numpy và điền vào các giá trị, như trong câu trả lời của JoshAdel hoặc
Giữ dữ liệu của bạn trong danh sách python bình thường cho đến khi thực sự cần thiết để gộp tất cả chúng lại với nhau (xem bên dưới)

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

Lưu ý rằng trước tiên không cần phải mở rộng kích thước của từng mảng hình ảnh riêng lẻ, cũng như không cần biết trước bao nhiêu hình ảnh bạn mong đợi.

Question 8

Hãy xem xét Cách tiếp cận 1 với phương pháp định hình lại và Cách tiếp cận 2 với phương pháp np.newaxis tạo ra cùng một kết quả:

#Lets suppose, we have:
x = [1,2,3,4,5,6,7,8,9]
print('I. x',x)

xNpArr = np.array(x)
print('II. xNpArr',xNpArr)
print('III. xNpArr', xNpArr.shape)

xNpArr_3x3 = xNpArr.reshape((3,3))
print('IV. xNpArr_3x3.shape', xNpArr_3x3.shape)
print('V. xNpArr_3x3', xNpArr_3x3)

#Approach 1 with reshape method
xNpArrRs_1x3x3x1 = xNpArr_3x3.reshape((1,3,3,1))
print('VI. xNpArrRs_1x3x3x1.shape', xNpArrRs_1x3x3x1.shape)
print('VII. xNpArrRs_1x3x3x1', xNpArrRs_1x3x3x1)

#Approach 2 with np.newaxis method
xNpArrNa_1x3x3x1 = xNpArr_3x3[np.newaxis, ..., np.newaxis]
print('VIII. xNpArrNa_1x3x3x1.shape', xNpArrNa_1x3x3x1.shape)
print('IX. xNpArrNa_1x3x3x1', xNpArrNa_1x3x3x1)

Chúng tôi có kết quả như sau:

I. x [1, 2, 3, 4, 5, 6, 7, 8, 9]

II. xNpArr [1 2 3 4 5 6 7 8 9]

III. xNpArr (9,)

IV. xNpArr_3x3.shape (3, 3)

V. xNpArr_3x3 [[1 2 3]
 [4 5 6]
 [7 8 9]]

VI. xNpArrRs_1x3x3x1.shape (1, 3, 3, 1)

VII. xNpArrRs_1x3x3x1 [[[[1]
   [2]
   [3]]

  [[4]
   [5]
   [6]]

  [[7]
   [8]
   [9]]]]

VIII. xNpArrNa_1x3x3x1.shape (1, 3, 3, 1)

IX. xNpArrNa_1x3x3x1 [[[[1]
   [2]
   [3]]

  [[4]
   [5]
   [6]]

  [[7]
   [8]
   [9]]]]

Question 9

Tôi đã làm theo cách tiếp cận này:

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).