将 plt.imread 映射到固定大小的数组

Question

我正在制作一个需要我将图像转换为图像的每像素 RGB 值的固定大小数组的项目。读取图像如下：

import matplotlib.pyplot as plt
image = plt.imread("dummy_image.jpg") #Example image with a shape of 32x32
print(image.shape)

应该输出：

(32, 32, 3)

问题是我循环了数百张图像，对于每张图像，我分配了一个固定大小的数组（例如 64x64x3）并通过循环单独分配每个像素的值。

import numpy as np
arr1 = np.zeros((64, 64, 3))

#Then I looped for each pixel value and assigned it to arr1
x, y, w = image.shape
for i in range(x):
    for j in range(y):
        arr1[i][j] = image[i][j]

您可以推断，这段代码需要很长时间才能完成。更重要的是，由于每个图像的大小都是不同的，我无法合并它并为numpy.pad 创建一个函数以将图像大小固定为零。

谁能给我提示或技巧，让我以更节省内存和/或节省时间的方式做到这一点？

Answer 1

试试这个：

创建初始化输出图像

>>> output = np.zeros((3,5,5))
>>> output
array([[[0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0.]],

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

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

假设输入图像的尺寸为 2x2

>>> img = np.random.randint(0,256,size=(3,2,2))
>>> img
array([[[ 33, 245],
        [ 77,   8]],

       [[173,  64],
        [ 37, 182]],

       [[130, 225],
        [  1, 117]]])

将图像复制到输出图像，如下所示：

>>> d,r,c = img.shape
>>> output = np.zeros((3,5,5))
>>> output[:, 0:r, 0:c] = img
>>> output
array([[[ 33., 245.,   0.,   0.,   0.],
        [ 77.,   8.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.]],

       [[173.,  64.,   0.,   0.,   0.],
        [ 37., 182.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.]],

       [[130., 225.,   0.,   0.,   0.],
        [  1., 117.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.,   0.]]])

Answer 2

我的理解是，您有许多图像要存储在 RAM 中。您需要问自己的第一个问题是，您是否真的需要同时存储它们？比如，你能不能读取一张，做一些处理，然后只保留处理的结果再读取下一张？

当涉及到实际存储时，我不明白您为什么需要var1 变量。图片不够用吗？如果 var1 的目的是让所有图像具有相同的形状，那么为什么不能使用 pad？例如，imageNew = numpy.pad(image, [(0, x - y) for x, y in zip(arr1.shape, image.shape)])。

如果您不能使用 numpy.pad，那么只需 arr1[:image.shape[0], :image.shape[1], :] = image 为您工作吗？

如果你想用循环来做，那就用 numba。

from numba import jit
import numpy as np


@jit(nopython=True)
def resize(image):
    arr1 = np.zeros((64, 64, 3))
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            arr1[i][j] = image[i][j]
    return arr1