numpy创建四维数组存储图片怎么做？

zhangboshen 2017-05-07 09:42:40

请问一下各位知道怎么样通过numpy创建一个四维数组用来存储多张图片吗？
要求最后得到的四维数组格式是（图片数量，图片宽度，图片高度，通道数）
单张图片的读取我可以用import matplotlib.image as mpimg 这个模块来读取，现在的问题就是怎么将多张图片存成一个数组？

谢谢各位了。

...全文

3123 8 打赏收藏转发到动态举报

写回复

8 条回复

切换为时间正序

请发表友善的回复…

发表回复

wuming无名 2018-07-28

打赏
举报

回复

楼主请问解决了吗，我现在也是这个问题，目前想到的思路是定义空的四维矩阵，读取图片转化为矩阵后分别放在1，2，3，4维上，但是我需要处理很多图片，不知道批处理怎么办

芽的日志 2018-07-23

打赏
举报

回复

在tensorflow里,我之前看到的都是采用tfrecord的格式批量存储图像,即可读取的时候是四维图像,这个方法省内存~不过我想问一下楼主采用import matplotlib.image as mpimg这个模块读取单张图像怎么生成4维的呢?

ovohproguv 2017-12-20

打赏
举报

回复

imgs = np.zeros((imgCount, rows, cols, dims)) i = 0 for imageFile in glob.glob(imageDir): # 打开图像并转化为数字矩阵(128x128x3) img = np.array(Image.open(imageFile)) imgs[i] = img i += 1

qq_23008305 2017-12-18

打赏
举报

回复

楼主怎么解决的，我急需要知道，可以发到我邮箱吗？1362444584@qq.com

GY_Nan 2017-07-13

打赏
举报

回复

楼主解决了么？发一下吧。。。。。我也遇到了这个问题

屎克螂 2017-05-09

打赏
举报

回复

那肯定也有导入图片的函数了，多看看api吧，你在这里问TensorFlow的细节问题我觉得没有什么结果，建议你去stack overflow

屎克螂 2017-05-08

打赏
举报

回复

存这么深干嘛，二维就够了 [ [图片内容，图片宽度，图片高度，通道数], [] ]

zhangboshen 2017-05-08

打赏
举报

回复

主要是TensorFlow里面处理的都是BHWC形式的四维张量，所以图片也必须这样的形式输入进去才可以。。 BHWC（Batchsize, Height, Width, Channel）

import cv2 as cv import numpy as np #直线检测 #使用霍夫直线变换做直线检测，前提条件：边缘检测已经完成 #标准霍夫线变换 def line_detection(image): gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) edges = cv.Canny(gray, 50, 150) #apertureSize参数默认其实就是3 cv.imshow("edges", edges) #cv.HoughLines参数设置：参数1，灰度图像；参数二，以像素为单位的距离精度（一般都是1，进度高，但是速度会慢一点） #参数三，以弧度为单位的角度精度（一般是1rad）；参数四，阈值，大于阈值threshold的线段才可以被检测通过并返回到结果中 #该函数返回值为rho与theta lines = cv.HoughLines(edges, 1, np.pi/180, 200) for line in lines: rho, theta = line[0] #line[0]存储的是点到直线的极径和极角，其中极角是弧度表示的。 a = np.cos(theta) #theta是弧度 b = np.sin(theta) x0 = a * rho #代表x = r * cos（theta） y0 = b * rho #代表y = r * sin（theta） x1 = int(x0 + 1000 * (-b)) #计算直线起点横坐标 y1 = int(y0 + 1000 * a) #计算起始起点纵坐标 x2 = int(x0 - 1000 * (-b)) #计算直线终点横坐标 y2 = int(y0 - 1000 * a) #计算直线终点纵坐标注：这里的数值1000给出了画出的线段长度范围大小，数值越小，画出的线段越短，数值越大，画出的线段越长 cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) #点的坐标必须是元组，不能是列表。 cv.imshow("image-lines", image) #统计概率霍夫线变换 def line_detect_possible_demo(image): gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY) edges = cv.Canny(gray, 50, 150, apertureSize=3) # apertureSize参数默认其实就是3 lines = cv.HoughLinesP(edges, 1, np.pi / 180, 60, minLineLength=60, maxLineGap=5) for line in lines: x1, y1, x2, y2 = line[0] cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) cv.imshow("line_detect_possible_demo",image) src = cv.imread("E:/opencv/picture/track.jpg") print(src.shape) cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE) cv.imshow('input_image', src) line_detection(src) src = cv.imread("E:/opencv/picture/track.jpg") #调用上一个函数后，会把传入的src数组改变，所以调用下一个函数时，要重新读取图片 line_detect_possible_demo(src) cv.waitKey(0) cv.destroyAllWindows() 霍夫检测直线原理：关于hough变换，核心以及难点就是关于就是有原始空间到参数空间的变换上。以直线检测为例，假设有一条直线L，原点到该直线的垂直距离为p，垂线与x轴夹角为θθ，那么这条直线是唯一的，且直线的方程为 ρ=xcosθ+ysinθρ=xcosθ+ysinθ, 如下图所

二维数组的转置应该都知道，就是行列交换而在numpy中也可以对三维数组进行转置，np.T 默认进行的操作是将0轴与2轴交换本文主要对三位数组轴交换的理解上发表本人的看法。a = np.array(range(24))Out[101]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,17, 18, 19, 20, 21...

本课程包括以下内容：1 ndarray数组多种创建方式，以及每种创建方式的细节。2 ndarray与list的区别详解。3 ndarray数组的广播规则详解。4 通过ndarray数组实现多元线性回归。

在尝试用深度学习做项目时，发现对于Pytorch框架下的cnn网络，灰度图的输入格式应该为（n,ch,h,w）。n为图片数量，ch为通道数，h,w为图片长宽像素。然而实际在opencv处理的通道数为1灰度图时，其给出的图片大小为（h,w）其直接忽视了通道数，这样数据集的格式为（n,h,w）。不满足Pytorch输入要求。而如果采用np.reshape(1,h,w)改变格式，当图片用reshape（h,w）复原为（h,w）时可能会失真。因此可以采用np.newaxis加一个维度。以下为代码 for j

NumPy的应用 Numpy是一个开源的Python科学计算库，用于快速处理任意维度的数组。Numpy支持常见的数组和矩阵操作，对于同样的数值计算任务，使用NumPy不仅代码要简洁的多，而且NumPy的性能远远优于原生Python，基本是一个到两个数量级的差距，而且数据量越大，NumPy的优势就越明显。 Numpy最为核心的数据类型是ndarray，使用ndarray可以处理一维、二维和多维数组，该对象相当于是一个快速而灵活的大数据容器。NumPy底层代码使用C语言编写，解决了GIL的限制，ndarray在

37,719

社区成员

34,238

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章