Python - 将图像读入图像矩阵

Question

我正在尝试将多个 rgb 图像读入一个矩阵，使得矩阵尺寸为 (image_size, image_size, index)，例如data[:,:,1] 应该检索第一张图像。

data = np.zeros((image_dim, image_dim, numImages), dtype=np.float64)
for fname in os.listdir('images/sample_images/'):
       name='....'
       image=mpimg.imread(name)
       data = np.append(data, image)
return data

image.shape = (512, 512, 3) data.shape = (512, 512, 100)

除了 np.append 给我留下一个空数据数组这一事实之外，还有其他方法可以将图像数组值附加到大数据矩阵吗？

提前致谢

Answer 1

Falko 的帖子无疑是规范的做法。但是，如果我可以建议一种更 numpy / Pythonic 的方式来做到这一点，我会让第一个维度是您想要的图像的索引，而第二个和第三个维度是图像的行和列，并且可以选择第四个维度是您想要的颜色通道。因此，假设您的图像尺寸为M x N，并且您有K 图像，您将创建一个长为K x M x N 或长为K x M x N x 3 的矩阵（对于彩色图像）。

因此，考虑到您当前的代码，numpy 中的简单单行代码可能是这样的：

data = np.array([mpimg.imread(name) for name in os.listdir('images/sample_images/')], dtype=np.float64)

因此，如果您想访问第 i^th 图像，您只需执行data[i]。这将独立工作于图像是 RGB 还是灰度...所以通过 data[i]，您将获得 RGB 图像或灰度图像，具体取决于您决定使用什么来打包数组。 但是，您需要确保所有图像都是一致的……也就是说，它们都是彩色的或全是灰度的。

但是，为了向您展示这是可行的，让我们尝试使用 5 x 5 x 3“RGB”图像，其中每个图像从 0 开始并增加到 K-1，在这种情况下 K 将是 10：

data = np.array([i*np.ones((5,5,3)) for i in range(10)], dtype=np.float64)

让我们看一个示例运行（在 IPython 中）：

In [26]: data = np.array([i*np.ones((5,5,3)) for i in range(10)], dtype=np.float64)

In [27]: data.shape
Out[27]: (10, 5, 5, 3)

In [28]: img = data[0]

In [29]: img
Out[29]: 
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.]]])

In [30]: img.shape
Out[30]: (5, 5, 3)

In [31]: img = data[7]

In [32]: img
Out[32]: 
array([[[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]]])

In [33]: img.shape
Out[33]: (5, 5, 3)

在上面的示例运行中，我创建了示例数据数组，它是我们预期的10 x 5 x 5 x 3。我们有 10 个5 x 5 x 3 矩阵。接下来，我提取出第一个“RGB”图像，正如我们预期的那样，它全为 0，大小为5 x 5 x 3。我还提取了第八个切片，我们都得到了我们期望的 7，大小为5 x 5 x 3。

显然，选择您认为最好的答案，但我个人会采用上述路线，因为索引到您的数组以获取正确的图像更简单 - 您让维度广播为您完成工作。

Answer 2

您最好使用dstack 在第三维堆叠数组：

data = np.zeros((3, 3, 0))
for i in range(5):
    image = np.random.rand(3, 3, 1)
    data = np.dstack((data, image))
print data.shape

输出：

(3, 3, 5)

注意：这里我假设每个（随机）图像都有一个通道。如果你有 RGB 图像，你最终会得到 3 倍的通道数，即形状 (3, 3, 15)。

Answer 3

如何将图像从磁盘读取到 NumPy 4D 矩阵（用于机器学习）：

首先，一种实用方法（我的 14x64px 图像每个有 3 个通道，图像形状 (14, 64, 3)）：

def read_image(image_path):
    # cv2.IMREAD_COLOR 
    # cv2.COLOR_BGR2GRAY 
    image = cv2.imread(image_path, cv2.IMREAD_COLOR)
    #print("image shape", image.shape)
    #plt.imshow(image, cmap='gray')
    #plt.show()
    return np.array(image)

接下来，我将所有图像放入一个 4 维 NumPy 矩阵：

training_features = np.array([read_image(path) for path in image_paths])

生成的矩阵形状 (5626, 14, 64, 3)，它有 5626 个 14x64px 彩色图像。