Question

我有一些（950）150x150x3 .jpg图像文件，我想读入Numpy数组。

以下是我的代码：

X_data = []
files = glob.glob ("*.jpg")
for myFile in files:
    image = cv2.imread (myFile)
    X_data.append (image)

print('X_data shape:', np.array(X_data).shape)

输出为(950, 150)。请让我知道为什么列表没有正确转换为np.array，以及是否有更好的方法来创建图像数组。

在我所读到的内容中，通过python列表更容易地将numpy数组附加到numpy数组，然后将它们转换为数组。

编辑：更多信息（如果有帮助），image.shape正确返回(150,150,3)。

Answer 1

我测试了你的代码。它适用于我的输出

（＆＃39; X_data形状：＆＃39;，（4,617,1021,3））

然而，所有图像都是完全相同的尺寸。

当我添加另一个具有不同范围的图像时，我有这个输出：

（＆＃39; X_data形状：＆＃39;，（5，））

所以我建议检查尺寸和相同数量的通道（就像所有彩色图像一样）？你也应该检查所有图像（或没有图像）是否都有alpha通道（参见@Gughan Ravikumar的评论）

如果只有通道数变化（即某些图像是灰色的），则强制将所有颜色加载到颜色格式中：

image = cv2.imread (myFile, 1)

编辑：我使用了问题中的代码，只替换为我的目录（和＃34; * .PNG＆＃34;）：

import cv2
import glob
import numpy as np

X_data = []
files = glob.glob ("C:/Users/xxx/Desktop/asdf/*.PNG")
for myFile in files:
    print(myFile)
    image = cv2.imread (myFile)
    X_data.append (image)

print('X_data shape:', np.array(X_data).shape)

Answer 2

在列表中添加图像，然后将其转换为numpy数组，对我来说不起作用。我的数据集很大，每次尝试都会使RAM崩溃。而是我追加了numpy数组，但这有其缺点。追加到列表然后转换为np数组是空间复杂的，但是追加numpy数组是时间复杂的。如果您有足够的耐心，这将解决RAM崩溃问题。

def imagetensor(imagedir):
  for i, im in tqdm(enumerate(os.listdir(imagedir))):
    image= Image.open(im)
    image= image.convert('HSV')
    if i == 0:
      images= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
    else:
      image= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
      images= np.append(images, image, axis= 0)
  return images

我正在寻找可以兼顾空间和时间的更好的实现。如果有人有更好的主意，请发表评论。

Answer 3

这是具有某些特殊Unicode字符的图像的解决方案，或者如果我们正在使用具有透明层的PNG，这是我必须处理数据集的两种情况。此外，如果有任何图像分辨率不理想，则不会将它们添加到Numpy数组中。这将使用Pillow package而不是cv2。

resolution = 150

import glob
import numpy as np
from PIL import Image

X_data = []
files = glob.glob(r"D:\Pictures\*.png")
for my_file in files:
    print(my_file)
    
    image = Image.open(my_file).convert('RGB')
    image = np.array(image)
    if image is None or image.shape != (resolution, resolution, 3):
        print(f'This image is bad: {myFile} {image.shape if image is not None else "None"}')
    else:
        X_data.append(image)

print('X_data shape:', np.array(X_data).shape)
# If you have 950 150x150 images, this would print 'X_data shape: (950, 150, 150, 3)'

如果您未使用Python 3.6+，则可以将r字符串替换为常规字符串（如果使用Windows，则用\\代替\除外），并且具有常规字符串插值功能的f字符串。

Answer 4

您对将放入相同大小的矩阵的.JPG帧的定义应该是x，y，R，G，B，A。不使用“A”，但它确实需要8位在每个像素的末尾。

创建Numpy图像数组

4 个答案: