Numpy 展平 RGB 图像数组

Posted 2023-02-23

【中文标题】Numpy 展平 RGB 图像数组

【英文标题】：Numpy flatten RGB image array

【发布时间】：2016-08-26 08:40:00

【问题描述】：

我有 1,000 个 RGB 图像 (64X64)，我想将它们转换为 (m, n) 数组。

我用这个：

import numpy as np
from skdata.mnist.views import OfficialImageClassification
from matplotlib import pyplot as plt
from PIL import Image                                                            
import glob
import cv2

x_data = np.array( [np.array(cv2.imread(imagePath[i])) for i in range(len(imagePath))] )
print x_data.shape

这给了我：(1000, 64, 64, 3)

现在如果我这样做：

pixels = x_data.flatten()
print pixels.shape

我得到：(12288000,)

但是，我需要一个具有以下维度的数组：(1000, 12288)

我怎样才能做到这一点？

【参考方案1】：

在将flatten() 应用到展平数组后应用numpy 方法reshape()：

  x_data = np.array( [np.array(cv2.imread(imagePath[i])) for i in range(len(imagePath))] )

  pixels = x_data.flatten().reshape(1000, 12288)
  print pixels.shape

【讨论】：

整洁！这会保留原始图像属性，即我不会丢失任何像素信息吗？

Flatten() 和 reshape() 是无损的。结果数组的维度应始终相乘以得到相同的总数。 Flatten 有一个 shape() 作为一维数组，而不是 n 维数组，因此它的形状没有第二个值。它看起来像array([1, 2, 3,])。形状为 (3,1) 的 n-D 数组看起来像 array([[1],[2],[3]])。

这是一篇关于塑形的精彩 SO 帖子：***.com/questions/22053050/…

@apples-oranges 也取决于你在做什么，你可能只想直接reshape 原始数据——扁平化创建你可能不需要的数据的重组副本。 x_data.reshape(1000, 12288)

再次感谢您的提示！计划是通过 t-SNE 算法解析数组:-)。

【参考方案2】：

试试这个：

d1, d2, d3, d4 = x_data.shape

然后使用numpy.reshape()

x_data_reshaped = x_data.reshape((d1, d2*d3*d4))

或

x_data_reshaped = x_data.reshape((d1, -1))

（Numpy 从原始长度和定义的维度d1 推断出值而不是-1）

【讨论】：

d2*d3*4 拼写更好-1。所以x_data_reshaped = x_data.reshape(x_data.shape[0], -1)

@Eric 你能解释一下 x_data.reshape((d1, d2*d3*4)) 和 x_data.reshape(x_data.shape[0], -1) 是如何相同的吗？

【参考方案3】：

您可以遍历图像数组并独立展平每一行。

numImages = x_data.shape[0]
flattened = np.array([x_data[i].flatten() for i in range(0,numImages)])

【参考方案4】：

你也可以这样使用： X 是您的 2D 图片，例如大小为 32x32，而 -1 仅表示它是一个未知维度，我们希望 numpy 弄清楚它。 numpy 将通过查看“数组长度和剩余维度”并确保它满足上述标准 (What does -1 mean in numpy reshape?) 来计算这一点。 T 表示在使用 axes 关键字参数时反转张量的转置 (https://docs.scipy.org/doc/numpy/reference/generated/numpy.transpose.html)。

X_flatten = X.reshape(X.shape[0], -1).T

【讨论】：

如果您对此进行详细说明会有所帮助，因为它可能会更好地帮助其他人理解您的解决方案。

【参考方案5】：

假设您有一个数组image_array，您可以使用reshape() 方法。

image_array = image_array.reshape(1000, 12288)