numpy：用零填充数组

我正在处理图像，我想用零填充numpy数组。 我看着

对于填充单个数组，它可以正常工作

x = np.array([[1,2],[3,4]])
y = np.pad(x,(1,1), 'constant')

x
=> array([[1, 2],
       [3, 4]])
y
=> array([[0, 0, 0, 0],
       [0, 1, 2, 0],
       [0, 3, 4, 0],
       [0, 0, 0, 0]])

如果列表/数组中有

x type

数组，如何实现，如

c_x=np.array([[[2,2],[2,3]],[[3,2],[2,3]],[[4,4],[2,3]]])
c_y=np.pad(c_x,((0,0),(1,1),(0,0)),'constant')  #padding is present only on top and bottom

由于这样的数组包含R、G、B通道，填充时是否也可以考虑这些通道

编辑：

假设

c_x

使用RGB通道在28x28像素上存储10幅图像的列表

---

现在我想填充所有10个图像，因此在修改10个图像后，它们是30x30的，边界上的像素为

[0,0,0]

这里有一种方法，使用

零初始化输出数组，然后将值赋给它-

def pad3D(c_x, padlen=1):
    m,n,r = c_x.shape
    c_y = np.zeros((m, n+2*padlen, r+2*padlen),dtype=c_x.dtype)
    c_y[:, padlen:-padlen, padlen:-padlen] = c_x
    return c_y

现在，考虑到数组可能是图像数据，通常通道由最后一个轴表示，而前两个轴表示高度和宽度，我们需要更改其中的索引。修改的部分将是初始化和分配：

c_y = np.zeros((m+2*padlen, n+2*padlen, r),dtype=c_x.dtype)
c_y[padlen:-padlen, padlen:-padlen, :] = c_x

因此，如果您注意到，我们正在使用
padlen:-padlen
沿需要填充的轴进行切片。使用此一般理论，可以处理各种图像数据数组以进行填充

样本运行-

In [422]: c_x
Out[422]: 
array([[[2, 2],
        [2, 3]],

       [[3, 2],
        [2, 3]],

       [[4, 4],
        [2, 3]]])

In [423]: pad3D(c_x, padlen=1) # pads all across not just top and bottom
Out[423]: 
array([[[0, 0, 0, 0],
        [0, 2, 2, 0],
        [0, 2, 3, 0],
        [0, 0, 0, 0]],

       [[0, 0, 0, 0],
        [0, 3, 2, 0],
        [0, 2, 3, 0],
        [0, 0, 0, 0]],

       [[0, 0, 0, 0],
        [0, 4, 4, 0],
        [0, 2, 3, 0],
        [0, 0, 0, 0]]])

我不清楚您想要的输出是什么，但我认为是
np.pad（c_x，（（1,1），（0,0），（0,0）），mode='constant'）
或
np.pad（c_x，（（0,0），（1,1），（1,1）），mode='constant'）
：

试试这个。使用
np.pad
我知道我迟到了，但这可能会有帮助。：）

我不清楚期望的输出是什么。您的意思是要向存储在形状为（3，m，n）的数组中的RGB图像添加零边框吗？我想你是在说，你想要的不是你想要的。你能告诉我想要的结果是什么吗？您回答了我的问题，我试图提供一些关于RGB部件的信息。您的实现很好，但是是否可以使用
np.pad
本身而无需索引和滑动，似乎OP喜欢
np.pad
，并愿意与之配套：）@Warren Weckesser:它非常有用。如果我考虑图像RGB。我想在图像中添加零填充，使原始图像位于新图像的中心（即256x256x3-->512x512x3）。那么我的代码正确吗
delta_w=width\u new-image.shape[0]delta_h=height\u new-image.shape[1]top，bottom=delta_h//2，delta_h-（delta_h//2）left，right=delta_w//2，delta_w-（delta_w//2）image=np.pad（image，（（上，下，（左，右），（0,0）），mode='constant'）
In [228]: c_x
Out[228]: 
array([[[2, 2],
        [2, 3]],

       [[3, 2],
        [2, 3]],

       [[4, 4],
        [2, 3]]])

In [229]: np.pad(c_x, ((1,1), (0,0), (0,0)), mode='constant')
Out[229]: 
array([[[0, 0],
        [0, 0]],

       [[2, 2],
        [2, 3]],

       [[3, 2],
        [2, 3]],

       [[4, 4],
        [2, 3]],

       [[0, 0],
        [0, 0]]])

In [230]: np.pad(c_x, ((0,0), (1,1), (1,1)), mode='constant')
Out[230]: 
array([[[0, 0, 0, 0],
        [0, 2, 2, 0],
        [0, 2, 3, 0],
        [0, 0, 0, 0]],

       [[0, 0, 0, 0],
        [0, 3, 2, 0],
        [0, 2, 3, 0],
        [0, 0, 0, 0]],

       [[0, 0, 0, 0],
        [0, 4, 4, 0],
        [0, 2, 3, 0],
        [0, 0, 0, 0]]])

def padwithzero(vector, pad_width, iaxis, kwargs):
    vector[:pad_width[0]] = 0
    vector[-pad_width[1]:] = 0
    return vector


tmp_mainImg = np.pad(mainImg, 1, padwithzero)

print(tmp_mainImg)