আমি কীভাবে নম্পি অ্যারেতে নতুন মাত্রা যুক্ত করতে পারি?

Question 1

আমি একটি চিত্রের একটি অলস অ্যারে দিয়ে শুরু করছি।

In[1]:img = cv2.imread('test.jpg')

আকৃতিটি আপনি 640x480 আরজিবি চিত্রের জন্য আশা করতে পারেন।

In[2]:img.shape
Out[2]: (480, 640, 3)

তবে, আমার কাছে থাকা এই চিত্রটি একটি ভিডিওর ফ্রেম, যা 100 ফ্রেম দীর্ঘ mes আদর্শভাবে, আমি একটি একক অ্যারে রাখতে চাই যাতে এই ভিডিওর সমস্ত ডেটা যেমন এমন img.shapeফিরে আসে (480, 640, 3, 100)।

পরের ফ্রেমটি যুক্ত করার সর্বোত্তম উপায় কী - তা হল, আমার প্রাথমিক অ্যারেতে ইমেজ ডেটার পরবর্তী সেট, আরও 480 x 640 x 3 অ্যারে -?

Question 2

আপনি কীভাবে একটি নুমপি অ্যারেতে একটি মাত্রা যুক্ত করবেন তা জিজ্ঞাসা করছেন, যাতে সেই মাত্রাটি তখন নতুন ডেটা সমন্বিত করার জন্য বাড়ানো যায়। একটি মাত্রা নিম্নরূপ যুক্ত করা যেতে পারে:

image = image[..., np.newaxis]

Question 3

বিকল্পভাবে

image = image[..., np.newaxis]

মধ্যে @dbliss 'উত্তর , এছাড়াও আপনি ব্যবহার করতে পারেন numpy.expand_dimsমত

image = np.expand_dims(image, <your desired dimension>)

উদাহরণস্বরূপ (উপরের লিঙ্ক থেকে নেওয়া):

x = np.array([1, 2])

print(x.shape)  # prints (2,)

তারপর

y = np.expand_dims(x, axis=0)

উৎপাদনের

array([[1, 2]])

এবং

y.shape

দেয়

(1, 2)

Question 4

আপনি ঠিক সামনের দিকে সঠিক আকারের একটি অ্যারে তৈরি করতে এবং এটি পূরণ করতে পারেন:

frames = np.empty((480, 640, 3, 100))

for k in xrange(nframes):
    frames[:,:,:,k] = cv2.imread('frame_{}.jpg'.format(k))

যদি ফ্রেমগুলি পৃথক jpg ফাইল ছিল যা কিছু নির্দিষ্ট উপায়ে নামকরণ করা হয়েছিল (উদাহরণস্বরূপ, ফ্রেম_0.jpg, ফ্রেম_1.jpg, ইত্যাদি)।

কেবলমাত্র একটি নোট, আপনি (nframes, 480,640,3)পরিবর্তে একটি আকৃতির অ্যারে ব্যবহার বিবেচনা করতে পারেন ।

Question 5

পাইথোনিক

X = X[:, :, None]

যা সমান

X = X[:, :, numpy.newaxis] এবং X = numpy.expand_dims(X, axis=-1)

তবে আপনি চিত্রগুলি স্ট্যাকিং সম্পর্কে স্পষ্টভাবে জিজ্ঞাসা করছেন, আমি আপনাকে একটি লুপে সংগৃহীত listচিত্রগুলির স্ট্যাকিংয়ের প্রস্তাব দিচ্ছি np.stack([X1, X2, X3])।

আপনি যদি মাত্রার ক্রমটি পছন্দ করেন না তবে আপনি আবার সাজিয়ে নিতে পারেন np.transpose()

Question 6

আপনি np.concatenate()কোনটি যুক্ত করবেন axisতা নির্দিষ্ট করে ব্যবহার করে ব্যবহার করতে পারেন np.newaxis:

import numpy as np
movie = np.concatenate((img1[:,np.newaxis], img2[:,np.newaxis]), axis=3)

আপনি যদি অনেক ফাইল থেকে পড়েন:

import glob
movie = np.concatenate([cv2.imread(p)[:,np.newaxis] for p in glob.glob('*.jpg')], axis=3)

Question 7

নম্পিতে এমন কোনও কাঠামো নেই যা আপনাকে পরে আরও ডেটা যুক্ত করতে দেয়।

পরিবর্তে, নপি আপনার সমস্ত ডেটা সংখ্যার সংলগ্ন অংশে রাখে (মূলত: একটি সি অ্যারে), এবং কোনও আকার পরিবর্তন করতে এটি মেমরির একটি নতুন অংশ বরাদ্দ করা দরকার। নম্পির গতি মেমরির একই অংশে সমস্ত তথ্যকে একটি অলস অ্যারেতে রাখতে সক্ষম হওয়া থেকে আসে; যেমন গাণিতিক অপারেশন করা যেতে পারে গতির জন্য parallelized এবং আপনি কম পেতে ক্যাশে মিস ।

সুতরাং আপনার কাছে দুটি ধরণের সমাধান হবে:

নমপি অ্যারের জন্য মেমরিটিকে প্রাক-বরাদ্দ করুন এবং জোশএডেলের উত্তরের মতো মানগুলি পূরণ করুন, বা
আপনার ডেটাটিকে অজগর তালিকায় রাখুন যতক্ষণ না এগুলি সমস্ত একসাথে রাখার প্রয়োজন হয় (নীচে দেখুন)

images = []
for i in range(100):
    new_image = # pull image from somewhere
    images.append(new_image)
images = np.stack(images, axis=3)

মনে রাখবেন যে পৃথক চিত্রের অ্যারেগুলির মাত্রা প্রথমে প্রসারিত করার দরকার নেই, বা আপনার আগে সময়ের চেয়ে কতগুলি চিত্র আশা করবেন তাও জানতে হবে না।

Question 8

পুনরায় আকারের পদ্ধতির সাথে অ্যাপ্রোচ 1 বিবেচনা করুন এবং একই ফলাফল উত্পন্ন করে এমন এনপি.নেস্যাক্সিস পদ্ধতিতে 2 পদ্ধতির সাথে বিবেচনা করুন:

#Lets suppose, we have:
x = [1,2,3,4,5,6,7,8,9]
print('I. x',x)

xNpArr = np.array(x)
print('II. xNpArr',xNpArr)
print('III. xNpArr', xNpArr.shape)

xNpArr_3x3 = xNpArr.reshape((3,3))
print('IV. xNpArr_3x3.shape', xNpArr_3x3.shape)
print('V. xNpArr_3x3', xNpArr_3x3)

#Approach 1 with reshape method
xNpArrRs_1x3x3x1 = xNpArr_3x3.reshape((1,3,3,1))
print('VI. xNpArrRs_1x3x3x1.shape', xNpArrRs_1x3x3x1.shape)
print('VII. xNpArrRs_1x3x3x1', xNpArrRs_1x3x3x1)

#Approach 2 with np.newaxis method
xNpArrNa_1x3x3x1 = xNpArr_3x3[np.newaxis, ..., np.newaxis]
print('VIII. xNpArrNa_1x3x3x1.shape', xNpArrNa_1x3x3x1.shape)
print('IX. xNpArrNa_1x3x3x1', xNpArrNa_1x3x3x1)

আমরা ফলাফল হিসাবে আছে:

I. x [1, 2, 3, 4, 5, 6, 7, 8, 9]

II. xNpArr [1 2 3 4 5 6 7 8 9]

III. xNpArr (9,)

IV. xNpArr_3x3.shape (3, 3)

V. xNpArr_3x3 [[1 2 3]
 [4 5 6]
 [7 8 9]]

VI. xNpArrRs_1x3x3x1.shape (1, 3, 3, 1)

VII. xNpArrRs_1x3x3x1 [[[[1]
   [2]
   [3]]

  [[4]
   [5]
   [6]]

  [[7]
   [8]
   [9]]]]

VIII. xNpArrNa_1x3x3x1.shape (1, 3, 3, 1)

IX. xNpArrNa_1x3x3x1 [[[[1]
   [2]
   [3]]

  [[4]
   [5]
   [6]]

  [[7]
   [8]
   [9]]]]

Question 9

আমি এই পদ্ধতির অনুসরণ করেছি:

import numpy as np
import cv2

ls = []

for image in image_paths:
    ls.append(cv2.imread('test.jpg'))

img_np = np.array(ls) # shape (100, 480, 640, 3)
img_np = np.rollaxis(img_np, 0, 4) # shape (480, 640, 3, 100).