Question

我有几个图像，经过一些基本处理和轮廓检测后，我想将检测到的像素位置及其相邻的邻居值存储到Python数据结构中。我选择 numpy.array

使用以下方法检索每个Image的像素位置：

locationsPx = cv2.findNonZero(SomeBWImage)

将返回一个形状数组（NumberOfPixels，1L，2L）：

print(locationsPx[0]) : array([[1649,    4]])

例如。

我的问题是：是否可以将此双数组存储在另一个数组中的单个列上？或者我应该使用列表并将所有数组放在一起？

注意：图像的数据集可能会增加，因此我选择的数据结构的尺寸不仅很大，而且变量

编辑：或者numpy.array不是个好主意，而Pandas Dataframe更适合？我愿意接受那些有更多经验的人的建议。

Answer 1

Numpy数组非常适合计算。如果数据大小不断变化，则它们不适用于存储数据。正如ali_m指出的那样，numpy中所有形式的数组连接本质上都是缓慢的。最好将数组存储在普通的python列表中：

coordlist = []
coordlist.append(locationsPx[0])

或者，如果您的图像有名称，则最好使用dict作为图像名称作为键：

coorddict = {}
coorddict[image_name] = locationsPx[0]

无论哪种方式，您都可以轻松地遍历列表的内容：

for coords in coordlist:

或

for image_name, coords in coorddict.items():

pickle是将结果存储在文件中的便捷方法：

import pickle
with open("filename.pkl", "wb") as f:
    pickle.dump(coordlist, f, pickle.HIGHEST_PROTOCOL)

（或与coorddict相同，而不是协调列表）。重装也很容易：

with open("filename.pkl", "rb") as f:
    coordlist = pickle.load(f)

pickle有一些安全方面的问题，但是，如果仅加载自己创建的文件，则这些问题将不适用。

如果您发现自己经常添加到以前的腌制文件中，则最好使用备用后端，例如sqlite。