numpy with python:将3d数组转换为2d

Question

假设我有一个彩色图像,当然这将由python中的三维数组表示,比如说形状(nxmx 3)并将其称为img.

我想要一个新的2-d数组,称它为"narray"以具有形状(3,nxm),使得该数组的每一行分别包含R,G和B通道的"扁平"版本.此外,它应该具有我可以通过类似的东西轻松地重建任何原始频道的属性

narray[0,].reshape(img.shape[0:2])    #so this should reconstruct back the R channel.

问题是如何从"img"构建"叙事"？简单的img.reshape(3,-1)不起作用,因为元素的顺序对我来说是不可取的.

谢谢

Answer 1

您需要使用np.transpose重新排列尺寸.现在,n x m x 3要转换为3 x (n*m),所以将最后一个轴发送到前面并向右移动剩余轴的顺序(0,1).最后,重塑3成行.因此,实施将是 -

img.transpose(2,0,1).reshape(3,-1)

样品运行 -

In [16]: img
Out[16]: 
array([[[155,  33, 129],
        [161, 218,   6]],

       [[215, 142, 235],
        [143, 249, 164]],

       [[221,  71, 229],
        [ 56,  91, 120]],

       [[236,   4, 177],
        [171, 105,  40]]])

In [17]: img.transpose(2,0,1).reshape(3,-1)
Out[17]: 
array([[155, 161, 215, 143, 221,  56, 236, 171],
       [ 33, 218, 142, 249,  71,  91,   4, 105],
       [129,   6, 235, 164, 229, 120, 177,  40]])

Answer 2

[原答案]

假设我们有一个imgsize 的数组m x n x 3要转换为一个new_imgsize 的数组3 x (m*n)

初步解决方案：

new_img = img.reshape((img.shape[0]*img.shape[1]), img.shape[2])
new_img = new_img.transpose()

[编辑答案]

缺陷：重塑从第一维开始并重塑剩余部分，该解决方案有可能混合来自第三维的值。对于图像来说，这在语义上可能是不正确的。

适配解决方案：

# Dimensions: [m, n, 3]
new_img = new_img.transpose()
# Dimensions: [3, n, m]
new_img = img.reshape(img.shape[0], (img.shape[1]*img.shape[2]))

严格解决方案：

# Dimensions: [m, n, 3]
new_img = new_img.transpose((2, 0, 1))
# Dimensions: [3, m, n]
new_img = img.reshape(img.shape[0], (img.shape[1]*img.shape[2]))

strict 是一种更好的方式来解释维度的顺序，而 和 的结果Adapted在Strict值 ( set(new_img[0,...])) 方面将是相同的，但顺序会打乱。