创建图像的Numpy数组- AskGo

创建图像的Numpy数组

image

image-processing

numpy

opencv

我有一些（950）150x150x3 .jpg图像文件，我想读入Numpy数组。

以下是我的代码：

X_data = []
files = glob.glob ("*.jpg")
for myFile in files:
    image = cv2.imread (myFile)
    X_data.append (image)

print('X_data shape:', np.array(X_data).shape)

输出为(950, 150) 。请让我知道为什么列表未正确转换为np.array以及是否有更好的方法来创建图像数组。

在我阅读的内容中，通过python列表将附加到numpy数组更容易，然后将它们转换为数组。

编辑：一些更多的信息（如果它帮助）， image.shape回报(150,150,3)正确。

参考资料：

Stack Overflow

2020-05-30 21:48:25 更新

Rosemary Ruskin• 633

共 2 个回答

高赞时间活跃

我测试了您的代码。输出对我来说很好

（'X_data shape：'，（4，617，1021，3））

但是，所有图像的尺寸都完全相同。

当我添加另一个具有不同范围的图像时，我将得到以下输出：

（'X_data shape：'，（5，））

因此，我建议您检查大小和相同数量的通道（实际上所有图像都是彩色图像）？另外，您还应该检查所有图像（或没有图像）是否都具有Alpha通道（请参阅@Gughan Ravikumar的评论）

如果仅通道数变化（即某些图像为灰色），则使用以下命令强制将所有图像加载为彩色格式：

image = cv2.imread (myFile, cv2.IMREAD_COLOR)

编辑：我从问题中使用了非常代码，仅替换为我的目录（和“ * .PNG”）：

import cv2
import glob
import numpy as np

X_data = []
files = glob.glob ("C:/Users/xxx/Desktop/asdf/*.PNG")
for myFile in files:
    print(myFile)
    image = cv2.imread (myFile)
    X_data.append (image)

print('X_data shape:', np.array(X_data).shape)

2020-05-30 21:48:57 更新

Karen Wodehous• 632

在列表中添加图像，然后将其转换为numpy数组，对我来说不起作用。我有一个很大的数据集，每次尝试都会使RAM崩溃。而是我追加了numpy数组，但这有其缺点。追加到列表然后转换为np数组是空间复杂的，但是追加numpy数组是时间复杂的。如果您足够耐心，这将解决RAM崩溃问题。

def imagetensor(imagedir):
  for i, im in tqdm(enumerate(os.listdir(imagedir))):
    image= Image.open(im)
    image= image.convert('HSV')
    if i == 0:
      images= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
    else:
      image= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
      images= np.append(images, image, axis= 0)
  return images

我正在寻找可以兼顾空间和时间的更好的实现。如果有人有更好的主意，请发表评论。

2020-05-30 21:48:34 更新