将 3D 矩阵压缩成向量数组，其中索引为向量答案

【问题标题】：Squashing a 3D matrix into an array of vectors with indices in vector将 3D 矩阵压缩成向量数组，其中索引为向量
【发布时间】：2020-03-15 16:31:23
【问题描述】：

所以我有一个大小为 (w, h, d) 的 numpy 数组，其中 w 是图像宽度，h 是图像高度，d 是它的尺寸。

我的目标是将其转换为所有像素的向量列表（因此是 w*h 大小的列表），并使其索引与像素一起打包。

所以本质上是 [[i,j,r,g,b],[i,j,r,g,b],...] 其中 ij 是像素的坐标。我已经使用循环完成了此操作，但我试图以一种高效的方式在没有循环的情况下执行此操作。

【问题讨论】：

我很好奇，为什么格式会发生变化？

标签： python numpy

【解决方案1】：

您可以执行以下操作：给定一些示例输入：a=np.random.randint(4,size=(5,4,3)),

您可以先将其重塑为大小为(wh,d) 的二维数组：

b=a.reshape((a.shape[0]*a.shape[1],a.shape[2]))

接下来，您可以使用列表推导，遍历数组b：

 [np.concatenate(([i%a.shape[0],int(i/a.shape[0])],c)) for i,c in enumerate(b)]

【讨论】：

你确定它不应该是 a.shape[1] 吗？
@J.Doe，也许，这是一个草图。

【解决方案2】：

这是一种只使用 numpy 函数而不使用循环的方法。

a = np.random.randint(4,size=(5,4,3))

# be careful with a.shape[1] coming first
x, y = np.meshgrid(range(a.shape[1]), range(a.shape[0]))
res = np.concatenate((x[:,:,None], y[:,:,None], a), axis = 2)
res = res.reshape(-1, a.shape[2]+2)

print(res)

【讨论】：