Question

我有大约150,000张图像，我想以一个形状为[index][y][x][channel]的numpy数组加载。目前，我这样做：

images = numpy.zeros((len(data), 32, 32, 1))
for i, fname in enumerate(data):
    img = scipy.ndimage.imread(fname, flatten=False, mode='L')
    img = img.reshape((1, img.shape[0], img.shape[1], 1))
    for y in range(32):
        for x in range(32):
            images[i][y][x][0] = img[0][y][x][0]

这是有效的，但我认为必须有比迭代元素更好的解决方案。我可以摆脱重塑，但这仍然会留下两个嵌套的for循环。

获得相同images 4D阵列的最快方法是什么，需要加载150,000张图像？

Answer 1

通常，在处理numpy-arrays时不需要复制单个元素。您只需指定要将阵列复制到和/或从中复制的轴（如果它们大小相同或可广播）：

images[i,:,:,0] = img[0,:,:,0]

而不是你的循环。事实上，你根本不需要重塑：

images[i,:,:,0] = scipy.ndimage.imread(fname, flatten=False, mode='L')

这些:指定您希望保留这些轴（不切片），numpy支持数组到数组赋值，例如：

>>> a = np.zeros((3,3,3))
>>> a[0, :, :] = np.ones((3, 3))
>>> a
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

或

>>> a = np.zeros((3,3,3))
>>> a[:, 1, :] = np.ones((3, 3))
>>> a
array([[[ 0.,  0.,  0.],
        [ 1.,  1.,  1.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 1.,  1.,  1.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 1.,  1.,  1.],
        [ 0.,  0.,  0.]]])

Answer 2

基本上有两种方法

res = np.zeros((<correct shape>), dtype)
for i in range(...):
   img = <load>
   <reshape if needed>
   res[i,...] = img

如果您已正确选择res的初始形状，则应该能够将每个图像阵列复制到其插槽中，而无需循环或重新整形。

另一种方法使用list append

alist = []
for _ in range(...):
   img = <load>
   <reshape>
   alist.append(img)
res = np.array(alist)

这会将所有组件数组收集到一个列表中，并使用np.array将它们连接到一个数组中，并在开始时使用新维度。 np.stack在选择concatenation轴方面提供了更多的力量。

如何在4D numpy阵列中快速放置许多2D numpy数组？

2 个答案: