如何使用python从图像堆栈中读取时间序列？

我试图将一堆图像读入一个三维矩阵（例如X、Y、Z）。目标是遍历整个图像（从（X1，Y1）到（Xn，Yn）。在每个位置，例如（X1，Y3），我希望读取整个Z数组并对其进行一些处理。例如，一个输出图像将包含计算结果

举个例子，假设我有12张（3x3）带有反射率数据的图像，每张图像给出一个月的反射率

图1：

   X1 X2 X3
Y1 10 10 14
Y2 12 14 16
Y3 10 19 17

图2：

   20 21 23
   20 23 29
   21 22 21

。 .

图7：

   50 50 60
   60 70 60
   65 67 80

。 .

图12：

   X1 X2 X3
Y1 10 11 12
Y2 10 16 17
Y3 12 13 14

因此，在最后，我想读取每个（X，Y）位置的z数组。从（X1，Y1）开始，到（X12，y12）结束。例如，在（X1，Y3）处，z数组将是： [10,21,65,12]。我将在数组上应用一些函数，例如，数组的最大值。例如，位置（X1，Y3）的新输出图像的值将是65

我在IDL中也做过类似的事情，使用了ENVI图像处理库。但我真的很想用python来做这件事，因为我的目标是切换到开源语言。我刚刚开始使用python，我的搜索到目前为止还没有给我任何解决方案，这就是为什么我要向更有经验的python用户寻求帮助的原因

多谢各位，

---

Angela

使用numpy这其实很简单，所以我马上给你一些代码。 请注意，它不一定是完整的解决方案

import numpy as np
import cv2

image_files = [] # Your list of files
image_height = 3
image_width = 3
image_stack = np.empty((image_height, image_width, len(image_files))) # Create empty HxWxN array/matrix

for i, fname in enumerate(image_files):
    img = cv2.imread(fname, cv2.CV_LOAD_IMAGE_GRAYSCALE)
    image_stack[:,:,i] = img # Set the i:th slice to this image

mean_img = np.mean(image_stack, axis=2) # Take the mean for each pixel

因为我们只使用OpenCV加载图像，所以您当然可以将其与其他内容切换，只要它提供一个numpy数组

---

如果您有问题，请发表评论，我会相应地进行更新。

使用numpy这实际上非常简单，因此我将立即为您提供一些代码。 请注意，它不一定是完整的解决方案

import numpy as np
import cv2

image_files = [] # Your list of files
image_height = 3
image_width = 3
image_stack = np.empty((image_height, image_width, len(image_files))) # Create empty HxWxN array/matrix

for i, fname in enumerate(image_files):
    img = cv2.imread(fname, cv2.CV_LOAD_IMAGE_GRAYSCALE)
    image_stack[:,:,i] = img # Set the i:th slice to this image

mean_img = np.mean(image_stack, axis=2) # Take the mean for each pixel

因为我们只使用OpenCV加载图像，所以您当然可以将其与其他内容切换，只要它提供一个numpy数组

---

如果您有问题，请发表评论，我会相应地更新。

一个选项是使用熊猫，通过它可以很容易地：

加载数据：

import pandas as pd
from StringIO import StringIO
data1 = """   X1 X2 X3
Y1 10 10 14
Y2 12 14 16
Y3 10 19 17"""
df1 = pd.DataFrame.from_csv(StringIO(data1), sep='\s+')

data12 = """   X1 X2 X3
Y1 10 11 12
Y2 10 16 17
Y3 12 13 14"""
df12 = pd.DataFrame.from_csv(StringIO(data12), sep='\s+')

创建三维面板的步骤

panel = pd.Panel([df1.values,df12.values], items = ['image1','image12'], major_axis=df1.columns, minor_axis=df1.index)

要沿生成的三维对象的不同轴进行某些计算，请执行以下操作：

>>>   import numpy as np 
>>> panel.apply(np.average, axis=0)
    Y1    Y2    Y3
X1  10  10.5  13.0
X2  11  15.0  16.5
X3  11  16.0  15.5

>>> panel.apply(np.max, axis=1)
    image1  image12
Y1      12       12
Y2      19       16
Y3      17       17

>>> panel.apply(np.min, axis=2).T
         X1  X2  X3
image1   10  12  10
image12  10  10  12

---

一种选择是使用熊猫，这样做很容易：

加载数据：

import pandas as pd
from StringIO import StringIO
data1 = """   X1 X2 X3
Y1 10 10 14
Y2 12 14 16
Y3 10 19 17"""
df1 = pd.DataFrame.from_csv(StringIO(data1), sep='\s+')

data12 = """   X1 X2 X3
Y1 10 11 12
Y2 10 16 17
Y3 12 13 14"""
df12 = pd.DataFrame.from_csv(StringIO(data12), sep='\s+')

创建三维面板的步骤

panel = pd.Panel([df1.values,df12.values], items = ['image1','image12'], major_axis=df1.columns, minor_axis=df1.index)

要沿生成的三维对象的不同轴进行某些计算，请执行以下操作：

>>>   import numpy as np 
>>> panel.apply(np.average, axis=0)
    Y1    Y2    Y3
X1  10  10.5  13.0
X2  11  15.0  16.5
X3  11  16.0  15.5

>>> panel.apply(np.max, axis=1)
    image1  image12
Y1      12       12
Y2      19       16
Y3      17       17

>>> panel.apply(np.min, axis=2).T
         X1  X2  X3
image1   10  12  10
image12  10  10  12

---

你可以使用opencv和numpy。你可以使用opencv和numpy。当我尝试在一些TIFF上运行此代码并将其写入.txt文件时，我得到了一大堆“ø”符号。我不确定是什么导致了这种情况。当我在IDE中打印结果时，我得到了几个数组，其中除了NaN之外没有任何内容。我不知道是什么问题。我已经在我的机器上的一堆图像上测试了代码，它工作正常。试着运行

cv2.imread（…）

在单个文件上安装一行，并检查您是否实际获得了预期的图像。可能是您的OpenCV安装无法处理您的文件。我被迫使用python 2.6。我安装了一个与2.6兼容的OpenCV。这可能是原因吗？我不知道。抱歉。我的建议是找到一个

imread

无法读取（生成的

np.array

）中的NaN。我可以检查我的安装是否可以处理它。当我尝试在几个TIFF上运行此代码并将其写入.txt文件时，我得到了一大堆“ø”符号。我不确定是什么导致了这种情况。当我在IDE中打印结果时，我得到了几个数组，其中除了NaN之外没有任何内容。我不知道是什么问题。我已经在我的机器上的一堆图像上测试了代码，它工作正常。试着运行

cv2.imread（…）

在单个文件上安装一行，并检查您是否实际获得了预期的图像。可能是您的OpenCV安装无法处理您的文件。我被迫使用python 2.6。我安装了一个与2.6兼容的OpenCV。这可能是原因吗？我不知道。抱歉。我的建议是找到一个

imread

无法读取（结果

np.array

中的NaN）。我可以检查我的安装是否可以处理它。