Python 2.7 Python多维数组

我是Python的初学者，但我想我有一个简单的问题。我使用图像处理来检测图像中的线条

lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength,maxLineGap)

lines.shape是（151，1，4），这意味着我检测到了151条线，并且有4个参数x1，y1，x2，y2

我想做的是为线条添加另一个因子，称为坡度，从而将lines.shape增加到（151，1，5）。我知道我可以在行尾连接一个空的零数组，但是我如何使它能够在for循环中调用它呢

例如，我想说

for slope in lines
   #do stuff

---

不幸的是，

HoughLinesP

函数返回类型为

int32

的numpy数组。不过，我熬夜想弄明白这一点，所以无论如何我都要把它贴出来。我只是将斜率乘以1000，然后像这样将它们放入数组中。希望它对你仍然有用

slopes = []
for row in lines:
    slopes.append((row[0][1] - row[0][3]) / float(row[0][0] - row[0][2]) * 1000)

new_column = []
for slope in slopes:
    new_column.append([slope])

new_array = np.insert(lines, 4, new_column, axis=2)

print lines
print
print new_array

样本输出：

[[[14 66 24 66]]

 [[37 23 54 56]]

 [[ 7 62 28 21]]

 [[70 61 81 61]]

 [[24 64 42 64]]]

[[[   14    66    24    66     0]]

 [[   37    23    54    56  1941]]

 [[    7    62    28    21 -1952]]

 [[   70    61    81    61     0]]

 [[   24    64    42    64     0]]]

编辑：具有相同输出的更好（完整）代码

import cv2
import numpy as np

img = cv2.imread('cmake_logo-main.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(img,50,150,apertureSize = 3)
lines = cv2.HoughLinesP(edges,1,np.pi/180,50,3,10)

def slope(xy):
    return (xy[1] - xy[3]) / float(xy[0] - xy[2]) * 1000
new_column = [[slope(row[0])] for row in lines]
new_array = np.insert(lines, 4, new_column, axis=2)

print lines
print
print new_array

---

不幸的是，

HoughLinesP

函数返回类型为

int32

的numpy数组。不过，我熬夜想弄明白这一点，所以无论如何我都要把它贴出来。我只是将斜率乘以1000，然后像这样将它们放入数组中。希望它对你仍然有用

slopes = []
for row in lines:
    slopes.append((row[0][1] - row[0][3]) / float(row[0][0] - row[0][2]) * 1000)

new_column = []
for slope in slopes:
    new_column.append([slope])

new_array = np.insert(lines, 4, new_column, axis=2)

print lines
print
print new_array

样本输出：

[[[14 66 24 66]]

 [[37 23 54 56]]

 [[ 7 62 28 21]]

 [[70 61 81 61]]

 [[24 64 42 64]]]

[[[   14    66    24    66     0]]

 [[   37    23    54    56  1941]]

 [[    7    62    28    21 -1952]]

 [[   70    61    81    61     0]]

 [[   24    64    42    64     0]]]

编辑：具有相同输出的更好（完整）代码

import cv2
import numpy as np

img = cv2.imread('cmake_logo-main.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(img,50,150,apertureSize = 3)
lines = cv2.HoughLinesP(edges,1,np.pi/180,50,3,10)

def slope(xy):
    return (xy[1] - xy[3]) / float(xy[0] - xy[2]) * 1000
new_column = [[slope(row[0])] for row in lines]
new_array = np.insert(lines, 4, new_column, axis=2)

print lines
print
print new_array

---

根据你的评论，我猜你应该怎么做：

lines = np.squeeze(lines) 
# remove the unneeded middle dim, a convenience, but not required
slope = <some calculation> # expect (151,) array of floats
mask = np.ones((151,),dtype=bool) # boolean mask
<assign False to mask for all lines you want to delete>
<alt start with False, and set True to keepers>
lines = lines[mask]
slope = lines[mask]

lines=np.挤压（行）
#移除不需要的中间dim，这很方便，但不是必需的
斜率=#期望（151，）浮点数组
掩码=np.ones（（151，），dtype=bool）#布尔掩码
线条=线条[遮罩]
斜率=直线[遮罩]

或者，您可以使用

np.hstack（[lines，np.zero（（151,1））]扩展
行
（或在轴1上连接）。但是如果像Jason那样思考，
行
是
dtype
int

，而

斜率

必须是

浮点

，那就行不通了。你必须使用他的缩放解决方案

---

还可以使用结构化数组将int和float列组合到一个数组中。如果将

斜率

保持为单独变量同样容易，为什么要这样做呢？

根据您的评论，我猜您应该怎么做：

lines = np.squeeze(lines) 
# remove the unneeded middle dim, a convenience, but not required
slope = <some calculation> # expect (151,) array of floats
mask = np.ones((151,),dtype=bool) # boolean mask
<assign False to mask for all lines you want to delete>
<alt start with False, and set True to keepers>
lines = lines[mask]
slope = lines[mask]

lines=np.挤压（行）
#移除不需要的中间dim，这很方便，但不是必需的
斜率=#期望（151，）浮点数组
掩码=np.ones（（151，），dtype=bool）#布尔掩码
线条=线条[遮罩]
斜率=直线[遮罩]

或者，您可以使用

np.hstack（[lines，np.zero（（151,1））]扩展
行
（或在轴1上连接）。但是如果像Jason那样思考，
行
是
dtype
int

，而

斜率

必须是

浮点

，那就行不通了。你必须使用他的缩放解决方案

---

还可以使用结构化数组将int和float列组合到一个数组中。如果将

slope

保持为单独的变量同样容易，为什么要这样做？

是否需要将

slope

作为同一数组的一部分？它不能只是另一个数组吗？在你的“循环”中，什么是

#做事
？它是在单个数字上运行还是在151个值的数组上运行？
对于行中的x：
在数组的第一维上迭代<代码>行[：，：，-1]
给出数组的最后一个“列”（串联后的“斜率”列）。最后，我希望获得（大致）具有相同斜率和位置的所有行，并将它们删除，直到每个位置都有一行。（我应该在我的图片中只找到4行，但houghlinesp找到151行，其中大部分都很近或在彼此的顶部）。因此，不用从slope和line中删除元素，我可以直接从line中删除。slope是否需要成为同一数组的一部分？它不能只是另一个数组吗？在你的“循环”中，什么是
#做事
？它是在单个数字上运行还是在151个值的数组上运行？
对于行中的x：
在数组的第一维上迭代<代码>行[：，：，-1]
给出数组的最后一个“列”（串联后的“斜率”列）。最后，我希望获得（大致）具有相同斜率和位置的所有行，并将它们删除，直到每个位置都有一行。（我应该在我的图片中只找到4行，但houghlinesp找到151行，其中大部分都很近或在彼此的顶部）。所以，不用从坡度和直线中删除元素，我可以直接从直线中删除。