Як я можу додати нові розміри до масиву Numpy?

Я починаю з numpy-масиву зображення.

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

Форма - це те, що можна очікувати від зображення формату 640x480 RGB.

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

Однак це моє зображення - це кадр відео, який має 100 кадрів. В ідеалі, я хотів би мати єдиний масив, що містить усі дані з цього відео, що img.shapeповертається (480, 640, 3, 100).

Який найкращий спосіб додати наступний кадр - тобто наступний набір даних зображення, ще один масив 480 x 640 x 3 - до мого початкового масиву?

Ви запитуєте, як додати вимір до масиву NumPy, щоб цей вимір можна було вирощувати для розміщення нових даних. Розмір можна додати наступним чином:

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

Як варіант

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

у відповіді @dbliss ви також можете використовувати numpy.expand_dimslike

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

Наприклад (взято з посилання вище):

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

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

Тоді

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

врожайність

array([[1, 2]])

і

y.shape

дає

(1, 2)

Ви можете просто створити масив правильного розміру вперед і заповнити його:

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

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

якщо кадри були окремими файлами jpg, які були названі певним чином (у прикладі, frame_0.jpg, frame_1.jpg тощо).

Просто примітка, ви можете (nframes, 480,640,3)замість цього використати фігурний масив.

Пітонічний

X = X[:, :, None]

що еквівалентно

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

Але оскільки ви прямо запитуєте про укладання зображень, я б рекомендував перейти до складання listзображень, np.stack([X1, X2, X3])які ви, можливо, зібрали у циклі.

Якщо вам не подобається порядок розмірів, ви можете переставити np.transpose()

Ви можете np.concatenate()вказати, який axisдодавати, використовуючи np.newaxis:

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

Якщо ви читаєте з багатьох файлів:

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

У numpy немає структури, яка дозволяє додавати більше даних пізніше.

Натомість numpy розміщує всі ваші дані у сусідньому шматку чисел (в основному; масив C), і будь-який розмір вимагає виділення нового шматка пам'яті для його зберігання. Швидкість роботи Numpy зумовлена ​​можливістю зберігати всі дані в масиві Numpy в одному і тому ж шматку пам'яті; наприклад, математичні операції можна розпаралелювати за швидкістю, і ви отримуєте менше помилок кешу .

Отже, у вас буде два типи рішень:

1. Попередньо виділіть пам'ять для масиву numpy та заповніть значення, як у відповіді JoshAdel, або
2. Зберігайте свої дані у звичайному списку пітонів, поки це насправді не буде потрібно, щоб скласти їх усі разом (див. Нижче)

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

Зверніть увагу, що немає необхідності спочатку розширювати розміри окремих масивів зображень, а також не потрібно знати, скільки зображень ви очікуєте заздалегідь.

Розглянемо Підхід 1 із методом переформування та Підхід 2 із методом np.newaxis, які дають однакові результати:

#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)

Результатом є:

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]]]]

Я дотримувався такого підходу:

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).