NumPy将RGB图像数组展平

Question

我有1,000张RGB图像（64X64），我想将它们转换为一个（m，n）数组。 我使用这个：

代码或方法

import numpy as np
from skdata.mnist.views import OfficialImageClassification
from matplotlib import pyplot as plt
from PIL import Image                                                            
import glob
import cv2

x_data = np.array( [np.array(cv2.imread(imagePath[i])) for i in range(len(imagePath))] )
print x_data.shape

这让我得到了：(1000, 64, 64, 3)

现在，如果我执行以下操作：

pixels = x_data.flatten()
print pixels.shape

我得到的结果是：(12288000,)

然而，我需要一个这些维度的数组：(1000, 12288)

我该如何实现？

- apples-oranges

Answer 1

在应用flatten()方法将数组展平后，再使用numpy的reshape()方法：

将展平的数组转换为需要的形状。

  x_data = np.array( [np.array(cv2.imread(imagePath[i])) for i in range(len(imagePath))] )

  pixels = x_data.flatten().reshape(1000, 12288)
  print pixels.shape

- Ray

---

太好了！这会保留原始图像属性，也就是说我不会失去任何像素信息吗？ - apples-oranges

Flatten()和reshape()都是无损的。结果数组的维度应该总是相乘得到相同的总数。Flatten()具有1-D数组的形状（shape()），而不是n-D数组，因此没有第二个值来表示其形状。它看起来像array([1, 2, 3,])。一个形状为(3,1)的n-D数组看起来像array([[1],[2],[3]])。 - Ray

这是一篇关于形状的很棒的SO帖子：https://dev59.com/UmEh5IYBdhLWcg3wwly8 - Ray

@apples-oranges 同时，根据您的操作，您可能只希望直接“reshape”原始数据——flatten将创建一个重构过的数据副本，您可能不需要。 x_data.reshape(1000, 12288) - Ray

再次感谢你的提示！计划是通过t-SNE算法解析数组 :-). - apples-oranges

Answer 2

试试这个：

d1, d2, d3, d4 = x_data.shape

然后使用numpy.reshape()。

x_data_reshaped = x_data.reshape((d1, d2*d3*d4))

或者

x_data_reshaped = x_data.reshape((d1, -1))

(Numpy通过原始长度和定义的维度d1推断值，而不是使用-1)

- lskrinjar

---

"d2d34" 最好写成 "-1"。因此，"x_data_reshaped = x_data.reshape(x_data.shape[0], -1)"。 - Eric

@Eric，你能解释一下x_data.reshape((d1, d2d34))和x_data.reshape(x_data.shape[0], -1)是相同的吗？ - GeorgeOfTheRF

Answer 3

你可以遍历你的图片数组并独立地将每一行压平。

numImages = x_data.shape[0]
flattened = np.array([x_data[i].flatten() for i in range(numImages)])

- James Evans

Answer 4

你也可以使用这个方法： 比如，X是一个32x32大小的2D图片，-1只是表示这个维度未知，我们希望让numpy自动计算。Numpy会通过查看“数组长度和剩余维度”来确定它是否满足上述条件（详见Numpy中-1的含义是什么？）。当使用axes关键字参数时，T表示反转张量的转置（详见https://docs.scipy.org/doc/numpy/reference/generated/numpy.transpose.html）。

X_flatten = X.reshape(X.shape[0], -1).T

- Limkin

---

如果您能更详细地阐述一下，这可能有助于他人更好地理解您的解决方案。 - Jeffrey

Answer 5

假设您有一个数组image_array，您可以使用reshape()方法。

image_array = image_array.reshape(1000, 12288)

- Eeshaan