Numpy配列に新しい次元を追加するにはどうすればよいですか？

Question 1

私は画像のずんぐりした配列から始めています。

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

形状は、640x480RGB画像に期待できるものです。

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

しかし、私が持っているこの画像は、100フレームの長さのビデオのフレームです。理想的には、をimg.shape返すようなこのビデオからのすべてのデータを含む単一の配列が必要(480, 640, 3, 100)です。

次のフレーム（つまり、次の画像データのセット、別の480 x 640 x 3配列）を最初の配列に追加する最良の方法は何ですか？

Question 2

NumPy配列にディメンションを追加して、そのディメンションを拡張して新しいデータに対応できるようにする方法を尋ねています。ディメンションは次のように追加できます。

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

Question 3

代わりに

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

で@dbliss'答え、あなたも使用することができますnumpy.expand_dimsように

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

例（上記のリンクから取得）：

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

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

次に

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

収量

array([[1, 2]])

そして

y.shape

与える

(1, 2)

Question 4

正しいサイズの配列を事前に作成して、それを埋めることができます。

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

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

フレームが特定の方法で名前が付けられた個々のjpgファイルである場合（例では、frame_0.jpg、frame_1.jpgなど）。

注意点として(nframes, 480,640,3)、代わりに整形された配列の使用を検討することをお勧めします。

Question 5

Pythonic

X = X[:, :, None]

これは

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

しかし、あなたは画像の積み重ねについて明確に質問しているので、私はlist画像の積み重ねに行くことをお勧めしますnp.stack([X1, X2, X3])ているので、ループで収集した可能性のします。

寸法の順序が気に入らない場合は、次のように並べ替えることができます np.transpose()

Question 6

を使用np.concatenate()してaxis、追加するものを指定することができますnp.newaxis。

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

多くのファイルから読み取っている場合：

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

Question 7

numpyには、後でデータを追加できる構造はありません。

代わりに、numpyはすべてのデータを連続した数値のチャンク（基本的にはC配列）に配置し、サイズ変更を行うには、データを保持するために新しいメモリのチャンクを割り当てる必要があります。Numpyの速度は、numpy配列内のすべてのデータを同じメモリチャンクに保持できることから生まれます。たとえば、数学演算を並列化して速度を上げることができ、キャッシュミスが少なくなります。

したがって、2種類のソリューションがあります。

JoshAdelの回答のように、numpy配列にメモリを事前に割り当て、値を入力するか、
データをすべてまとめる必要が実際に必要になるまで、データを通常のPythonリストに保持します（以下を参照）

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

最初に個々の画像配列の次元を拡張する必要はなく、事前に予想される画像の数を知る必要もないことに注意してください。

Question 8

同じ結果をもたらす、reshapeメソッドを使用したアプローチ1とnp.newaxisメソッドを使用したアプローチ2を検討してください。

#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)

結果として次のようになります。

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

私はこのアプローチに従いました：

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).