将不同维度的图像存储在numpy数组中答案

【问题标题】：store images of different dimension in numpy array将不同维度的图像存储在numpy数组中
【发布时间】：2017-08-02 18:42:43
【问题描述】：

我有两个图像，尺寸为 (32,43,3) 的图像 1 和尺寸为 (67,86,3) 的图像2。我如何将它存储在一个 numpy 数组中，每当我尝试附加数组时

image=cv2.imread(image1,0)
image=cv2.resize(image,(32,43))
x_train=np.array(image.flatten())
x_train=x_train.reshape(-1,3,32,43)
X_train =np.append(X_train,x_train) #X_train is my array

image=cv2.imread(image2,0)
image=cv2.resize(image,(67,86))
x_train=np.array(image.flatten())
x_train=x_train.reshape(-1,3,67,86)
X_train =np.append(X_train,x_train) 

Value Error: total size of new array must be unchanged.

我想要 X_train 的形状（-1、深度、高度、宽度）。这样我就可以将它输入到我的神经网络中。有没有办法将不同维度的图像存储在数组中并输入神经网络？

【问题讨论】：

标签： python arrays numpy deep-learning conv-neural-network

【解决方案1】：

不要使用np.append。如果必须加入数组，请以np.concatenate 开头。它会迫使您更加注意尺寸的兼容性。

您不能将 2 个具有形状 (32,43,3) (67,86,3) 的数组连接成更大的数组，其中包含一些兼容的形状。他们共享的唯一维度是最后一个。

这些重塑也没有意义：(-1,3,32,43), (-1,3,67,86)。

它有效，但它也弄乱了“形象”。您不只是添加第四维。看起来你也想做一些轴交换或转置。练习一些小数组，这样你就可以看到发生了什么，例如(2,4,3)。

您希望Xtrain 的最终形状是什么？

你可以把这两张图片放在一个object dtype数组中，和列表[image1, image2]基本一样。但我怀疑你的神经网络是否可以用它做任何实际的事情。

如果您将 (32,43,3) 数组重新整形为 (16,86,3)，您可以将其与 axis=0 上的 (67,86,3) 连接以生成 (83,86,3) 数组.如果您需要 3 排在第一位，我会使用 np.transpose(..., (2,0,1))。

反过来将 (67,86,3) 重塑为 (2*67,43,3)。

将 (32,43,3) 传递给 (32,86,3) 是另一种选择。

在新的第 4 维上加入它们，要求“行”数和“列”数匹配。

【讨论】：

先生，我有不同维度的图像数据集，所以我想知道我是否可以将所有维度存储在同一个数组中，例如 [[3,67,83],[3 ,45,67],[3,63,67],........] 然后我必须将此数组提供给我的神经网络。我期望 Xtrain 的最终形状是 [3,None,None] 因为我不想在存储图像时固定图像的宽度和高度。
我们必须更多地了解您的神经网络。我见过的那些期望在输入中使用漂亮的矩形网格，而不是图像大小的参差不齐的混合。到目前为止，您有一个不同大小的图像列表，而不是一个数组。
我正在使用Spatial Pyramid Pooling，它允许 CNN 接受多尺寸输入。除了裁剪或填充图像之外，还有其他方法可以在神经网络中输入多尺寸输入吗？谢谢
我不知道(3, None, None) 的形状是什么意思；至少不在numpy 中。你是在 Keras 中使用 Theano 还是 Tensorflow？
我正在使用 keras 的 tenserflow。