Bir Numpy dizisine nasıl yeni boyutlar ekleyebilirim?

Uyuşmuş bir görüntü dizisi ile başlıyorum.

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

Şekil, 640x480 RGB görüntü için beklediğiniz şeydir.

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

Ancak sahip olduğum bu görüntü, 100 kare uzunluğunda bir video karesi. İdeal olarak, bu videodan img.shapegeri dönen tüm verileri içeren tek bir diziye sahip olmak istiyorum (480, 640, 3, 100).

Sonraki kareyi - yani bir sonraki görüntü verisi kümesini, başka bir 480 x 640 x 3 dizisini - ilk dizime eklemenin en iyi yolu nedir?

Bir NumPy dizisine nasıl boyut ekleneceğini soruyorsunuz, böylece bu boyut daha sonra yeni verileri barındıracak şekilde büyütülebilir. Aşağıdaki şekilde bir boyut eklenebilir:

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

Alternatif olarak

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

içinde @dbliss' cevabı , ayrıca kullanabilirsiniz numpy.expand_dimsgibi

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

Örneğin (yukarıdaki bağlantıdan alınmıştır):

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

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

Sonra

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

verim

array([[1, 2]])

ve

y.shape

verir

(1, 2)

Baştan doğru boyutta bir dizi oluşturabilir ve onu doldurabilirsiniz:

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

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

çerçeveler belirli bir şekilde adlandırılmış ayrı bir jpg dosyasıysa (örnekte, çerçeve_0.jpg, çerçeve_1.jpg, vb.).

Sadece bir not (nframes, 480,640,3), bunun yerine şekilli bir dizi kullanmayı düşünebilirsiniz .

Pythonic

X = X[:, :, None]

eşdeğer olan

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

Ancak görüntüleri istifleme hakkında açıkça sorduğunuz için , bir döngüde toplamış olabileceğiniz listgörüntüleri istiflemenizi tavsiye ederim np.stack([X1, X2, X3]).

Boyutların sırasını beğenmezseniz yeniden düzenleyebilirsiniz. np.transpose()

Aşağıdakileri kullanarak np.concatenate()hangisinin axisekleneceğini belirtebilirsiniz np.newaxis:

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

Birçok dosyadan okuyorsanız:

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

Numpy'de daha sonra daha fazla veri eklemenize izin veren bir yapı yoktur.

Bunun yerine, numpy, tüm verilerinizi bitişik bir sayı yığınına (temel olarak; bir C dizisi) koyar ve herhangi bir yeniden boyutlandırma, onu tutmak için yeni bir bellek parçası ayırmayı gerektirir. Numpy'nin hızı, tüm verileri uyuşmuş bir dizide aynı bellek yığınında tutabilmekten gelir; Örneğin matematiksel işlemler hız için paralelleştirilebilir ve daha az önbellek kaybı yaşarsınız .

Yani iki tür çözümünüz olacak:

1. Belleği numpy dizisi için önceden ayırın ve JoshAdel'in cevabında olduğu gibi değerleri doldurun veya
2. Verilerinizi, aslında hepsini bir araya getirmeniz gerekene kadar normal bir python listesinde tutun (aşağıya bakın)

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

Önce tek tek görüntü dizilerinin boyutlarını genişletmeniz gerekmediğini veya önceden kaç görüntü beklediğinizi bilmeniz gerekmediğini unutmayın.

Yeniden şekillendirme yöntemiyle Yaklaşım 1'i ve aynı sonucu üreten np.newaxis yöntemiyle Yaklaşım 2'yi düşünün:

#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)

Sonuç olarak elimizde:

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]]]]

Bu yaklaşımı takip ettim:

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).