将一维数据帧转换为 RGB 图像的 3 维

Question

我有一个 2304 列的数据框，因为它是一个 48*48 的图像像素，当我使用此代码将其转换为一个通道时

x = (df.iloc[:,1:].values).astype('float32')

x = x.reshape(-1,48,48,1)

完美的形状输出

(48*48*1)

通过此代码生成精确图像：

plt.imshow(x[0][:,:,0])

我想把它做成一个像三个频道一样的 3Dimentional。我尝试合并 df 3 次并执行此操作(48*48*3) 它成功更改了 df 形状但我无法再次生成图像，

Answer 1

1)不要使用熊猫

2) 你不能将 1 通道图像转换为 3 通道，

3) 不要使用 float32，图像通常是 8bit (np.uint8)

4) 将 numpy 与 OpenCV 或 Pillow 结合使用。

5) 不要使用 matplotlib 生成图像。使用 4 中提到的库。

6) 如果你有形状为 (x,y,3) 的数组，那么没有什么比使用 opencv cv2.imshow('image',array) 生成图像更简单了

Answer 2

如果您本质上想要将单通道图像（本质上应该是灰度图像）转换为 3 通道灰度图像，则与沿最后一个轴连接三次相同的图像数组相同。您可以使用np.concatenate 来达到预期的效果。

import numpy as np
a = np.zeros((2304), dtype = np.uint8) #Just a dummy array representing a single pic
single_channel = a.reshape(48, 48, 1)

result = np.concatenate([single_channel,single_channel,single_channel], axis = -1)
print(result.shape) #(48, 48, 3)

此时你应该有一个可以被任何图像库接受的数组。只是抛出一个示例代码来展示如何继续从数组创建图像。

import cv2
cv2.imwrite("hi.jpg", result)

如前所述，使用 numpy 而不是 pandas 进行图像处理。

编辑：如果不幸一开始是从数据框开始的，则始终可以将其转换为一个 numpy 数组，其中每个图像都有一个额外的维度。

import pandas as pd
import cv2
import numpy as np

a = np.zeros((2304), dtype = np.uint8) #dummy row

dummy_df = pd.DataFrame(np.concatenate([a.reshape(1,-1)]*10)) #dummy df with 10 rows.
print(dummy_df.shape) #(10, 2304) 
arr_images = np.array(dummy_df, dtype = np.uint8)
print(arr_images.shape) #(10, 2304)
multiple_single_channel = arr_images.reshape(-1, 48, 48, 1)
print(multiple_single_channel.shape) #(10, 48, 48, 1)
result = np.concatenate([multiple_single_channel] * 3, axis = -1)
print(result.shape) #(10, 48, 48, 3)

for i,img in enumerate(result):
    print(i)
    cv2.imwrite("{}.jpg".format(i), img)
    #do something with image. you PROBABLY don't want to run this for 35k images though.

最重要的是，您不应该使用数据框，即使是多张图片。