Aggiungere dimensioni a un array Numpy

Question

Iniziamo con una serie numerica di un'immagine.

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

La forma è ciò che ci si potrebbe aspettare per un'immagine RGB 640x480.

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

Tuttavia, questa immagine che ho è una cornice di un video, che è lunga 100 fotogrammi. Idealmente, mi piacerebbe avere un singolo array che contenga tutti i dati di questo video in modo tale che img.shape restituisca (480, 640, 3, 100).

Qual è il modo migliore per aggiungere il fotogramma successivo, ovvero il prossimo insieme di dati di immagine, un altro array 480 x 640 x 3, al mio array iniziale?

Answer 1

Si potrebbe semplicemente creare un array di dimensioni corrette up-front e riempirlo:

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

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

se i fotogrammi sono stati singolo file jpg che sono stati nominati in qualche modo particolare (nell'esempio, frame_0.jpg , frame_1.jpg, ecc.).

Solo una nota, si potrebbe considerare l'utilizzo di una matrice a forma di (nframes, 480,640,3), invece.

Answer 2

È possibile utilizzare np.concatenate() specificando quali axis da aggiungere, utilizzando np.newaxis:

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

Se state leggendo da molti file:

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

Answer 3

Ti stai chiedendo come aggiungere una dimensione a un Array NumPy, in modo che tale dimensione possa essere ampliata per accogliere nuovi dati. Una dimensione può essere aggiunta come segue:

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

Answer 4

Ho seguito questo approccio:

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). 

Answer 5

alternativa a

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

in risposta @dbliss', è anche possibile utilizzare numpy.expand_dims come

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

Per esempio (tratto dal link sopra):

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

print x.shape # prints (2,) 

Poi

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

cede

array([[1, 2]]) 

e

y.shape 

dà

(1, 2) 

Answer 6

Non esiste una struttura in numpy che consente di aggiungere più dati in un secondo momento.

Invece, numpy inserisce tutti i dati in una porzione contigua di numeri (in pratica, un array C) e qualsiasi ridimensionamento richiede l'allocazione di un nuovo blocco di memoria per trattenerlo. La velocità di Numpy deriva dall'essere in grado di mantenere tutti i dati in una serie numpy nella stessa porzione di memoria; per esempio. le operazioni matematiche possono essere parallelized for speed e si ottiene meno cache misses.

Quindi si avranno due tipi di soluzioni:

1. pre-allocare la memoria per la matrice NumPy e compilare i valori, come nella risposta di JoshAdel, o
2. Conservare i dati in un pitone normale elenco fino in realtà è necessario per metterli tutti insieme (vedi sotto)

---

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

---

Si noti che non è necessario espandere prima le dimensioni dei singoli array di immagini, né è necessario sapere quante immagini ci si aspetta prima del tempo.