Python 在numpy中附加三维阵列

我试着在图像中找到主色调，然后把最主色调的颜色涂上。但是，我在数据类型方面遇到了问题。 我的公式给出了最主要的颜色，如：

color=[10,10,10] # type=numpy.ndarray ,uint8

但当我尝试转换它时，它给出了断言错误：

color=cv2.cvtColor(color, cv2.COLOR_BGR2HSV) #gives assertion error

cv2.cvtColor想要作为输入的是：

color_ideal=[[[ 10, 10, 10 ]]]  #type=numpy.ndarray, uint8

为了获得它，我设法操纵颜色如下：

color=np.uint8(np.atleast_3d(clr).astype(int).reshape(1,1,3))

这似乎是可行的，但我知道我不能将多种颜色附加到numpy数组中。不知何故，附加后维度减少为1。我的代码是：

    color=np.uint8([[[]]])

    for item in clt.cluster_centers_:
       color=np.append(color,(np.uint8(np.atleast_3d(item).astype(int).reshape(1,1,3))))
#returns: color=[10,10,10] somehow its dimension is down to 1

我的问题是：

1-如何正确附加颜色数据而不丢失其维度

2-有没有更简单的方法来处理这个问题？我很惊讶，操作自定义颜色像素有多么困难

完整的代码在这里，以防有帮助：

<!-- language: lang-py -->


    import cv2
    import numpy as np
    from sklearn.cluster import KMeans 

    def find_kmean_colors(img,no_cluster=2):
        clt = KMeans(no_cluster).fit(img)

        return clt
    def initialize(img='people_frontal.jpg'):
        img=cv2.imread('people_frontal_close_body.jpg')
        img=cv2.bilateralFilter(img,9,75,75)
        return img


    img=initialize()

    img_hsv =cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    img_list= img.reshape((img.shape[0] * img_hsv.shape[1], 3))

    clt=(find_kmean_colors(img_list,1))


    color=np.uint8([[[]]])

    for i in clt.cluster_centers_:
        color=np.append(color,(np.uint8(np.atleast_3d(i).astype(int).reshape(1,1,3))))

    #color=np.uint8(np.atleast_3d(clt.cluster_centers_).astype(int).reshape(1,1,3))

    up=cv2.cvtColor(color,cv2.COLOR_BGR2HSV)

进口cv2
将numpy作为np导入
从sklearn.cluster导入KMeans
def查找平均颜色（img，无群集=2）：
clt=KMeans（无集群）。拟合（img）
返回clt
def初始化（img='people\u front.jpg'）：
img=cv2.imread（'people\u front\u close\u body.jpg'）
img=cv2.双边滤波器（img，9,75,75）
返回img
img=initialize（）
img\u hsv=cv2.cvt颜色（img，cv2.COLOR\u BGR2HSV）
img_list=img.reformate（（img.shape[0]*img_hsv.shape[1]，3））
clt=（查找平均颜色（img列表，1））
颜色=np.uint8（[[]]
对于clt.cluster\u中心中的i：
color=np.append（color，（np.uint8（np.atleast_3d（i）.astype（int）.重塑（1,1,3）））
#颜色=np.uint8（np.最少\u3D（clt.cluster\uCENTERS）。astype（int）。重塑（1,1,3））
up=cv2.CVT颜色（颜色，cv2.color\U BGR2HSV）

如果没有

cv2

代码，我在这里猜测形状。但是看起来像是

img

是一个

（n，m，3）

数组

img\U列表

是

（m1,3）

，而

clt

是

m1

项的列表，而

clt.cluster\u集中了
形状为
（3，）
的m1数组的列表

为了测试起见，让我们制作一个列表（它也可以是一个数组列表）：

只需将其包装在
np.array
中，然后重新塑造为3d

array([[[10, 10, 10]],
       [[ 3,  5,  3]],
       [[20, 10, 10]],
       [[ 0,  0,  0]]], dtype=uint8)

或者可以将其重塑为（1,4,3）或（2,2,3）

或者更接近您正在尝试的内容：

np.concatenate([np.array(i,np.uint8).reshape(1,1,3) for i in ctrs])

您不想在这里使用
至少_3d
，因为它将（N，）数组重塑为（1，N，1）（请参见其文档）
np.连接
在第一个轴上连接，其中as
np.array
添加第一个维度，然后连接

您可能可以使用
append
，但它只是一步一步地连接，速度较慢。通常，如果需要追加，请使用列表进行追加，然后在末尾转换为数组


切片后，有多种方法可以保留或恢复尺寸。如果
color
为3d，并且您需要第i行也为3d：

color[[i]]
color[i].reshape(1,...)
color[i][np.newaxis,...]

像这样的重塑操作不会给处理增加大量时间，所以不要害怕使用它们。
重复
append
很慢。初始化一个大小正确的空数组，并在正确的位置插入值。或者用所有新的东西创建一个，然后将它连接到正确的维度中。谢谢你的帮助。但是，当我尝试使用您创建的数组中的单个颜色时，也会出现相同的问题。ie:array[1]=[3,5,3]]因此仍然缺少一个维度。我需要得到数组[1]=[[3,5,3]]。我需要单独的颜色是三维的。
array[[1]]
保留维度。是的，但过程是动态的，我不手工提取颜色。当我拥有数组并从中提取3d颜色时，我该怎么做？我需要一些东西，我可以把它放在ie的循环。对于范围内的i（len（array））：color=array[[i]]。这行得通，你是说？它能工作，但不知何故它看起来很复杂。顺便说一下，在这个过程结束时，我们需要再次组合单个3d颜色。几个额外的括号有什么复杂之处？定义一个小函数，根据需要重塑数组并隐藏“复杂性”。我成功地处理了这个问题，非常感谢！最后一件事：在这个过程的末尾，我需要再次使用一维形式（带有修改的值），所以我使用了“color=np.squence（color，axis=1）”。它有效，但你认为它有效吗？再次非常感谢
color[[i]]
color[i].reshape(1,...)
color[i][np.newaxis,...]