通过scipy.io.loadmat将matlab 3D矩阵传输到python 3D数组是错误的

我正在考虑一个有关Matlab矩阵和Python numpy数组的问题。我有一个用于医学图像处理的代码，给定一个3D数组作为输入（512x512个图像，80个切片->大小（图像）=（512512,80）。 输入最初由NifTI结构提供。 当我在matlab中加载Nii文件时，得到的大小是512x512x80。 在python中加载Nii文件时，我得到80x512x512作为大小（使用array.shape）

通过试用TestMatrix，我发现： Matlabs大小语法：（x=行，y=列，z=第三维度的切片） 大小的python语法：（z=第三维度中的切片，x=行，y=列）

现在我必须测试另一个数据，不是作为nii文件提供的，而是保存在mat文件中的。 使用Scipy的loadmat，我可以轻松地将矩阵加载到python程序中。 但是：现在在python中矩阵的大小也是（512512,80），下面的代码现在在第三维中采用512个切片，512行和80列（而不是80个切片，512x512个图像）。 我希望这是可以理解的解释

一个简单的例子：

我通过以下方式在Matlab中加载矩阵：

a = 1:12;
a = reshape(a, [1 3 4])

a(:,:,1) =

     1     2     3


a(:,:,2) =

     4     5     6


a(:,:,3) =

     7     8     9


a(:,:,4) =

    10    11    12

size(a)

ans =

     1     3     4

与

我将一个文件保存在mat文件中。 现在我继续我的python代码，使用import scipy.io作为spio，我可以访问matfile：

mat = spio.loadmat('a.mat')
a = mat['a']
print(a)

   Output:
[[[1 4 7 10]

  [2 5 8 11]

  [3 6 9 12]]]

print(a.shape)

   Output:
(1,3,4)

但这是错误的！它在三维中没有4个切片，而是一个3x4矩阵。 我应该：

[[[ 1 2 3]]

 [[ 4 5 6]]

 [[ 7 8 9]]

 [[10 11 12]]]

with shape (4,1,3)

那么，如何以python的精确顺序加载Matlab矩阵，从而使我的代码获得正确的切片呢？ 此外，我还想再次将生成的python数组转换回matlab矩阵

---

非常感谢您！

您误解了matlab的可视化：

a(:,:,1) =

     1     2     3

不是否意味着

a

的最后一个轴包含

1 2 3

，这意味着第二个轴的第一个元素组是

1 2 3

。Python只显示了完整的数组，matlab显示了该数组的列（我将列调用到第二个轴，假设忽略第一个轴，因为它是空的）

通过键入python，可以检查加载matlab和python的数组是否等效：

>>> a[:, :, 0]
array([[1, 2, 3]], dtype=uint8)

它给出的结果与matlab的可视化结果相同

Python和matlab只是有不同的可视化三维数组的方法

---

注意，matlab是Fortran排序的，这意味着数组中的列排在第一位，然后是行

matlab> reshape(1:6, [2, 3])
ans =

     1     3     5
     2     4     6

这一次，由于矩阵只有2列，因此可视化是您所期望的。如果您用python加载该矩阵，它也将被正确加载（python足够聪明，可以加载具有Fortran排序的numpy数组）。但是，请注意，当您尝试用python创建等效矩阵时，结果会截然不同：

python> np.arange(1,7).reshape(2, 3)
array([[1, 2, 3],
       [4, 5, 6]])

顺序不同。在numpy中，数组默认为C顺序

---

最后，对于任何最新的numpy/scipy版本，您应该能够从matlab导入/导出矩阵，而无需任何修改

matlab> a = rand(512, 512, 10);
matlab> save /tmp/a.mat a

然后在python中加载它：

python> a = spio.loadmat('/tmp/a.mat')['a']
python> a.shape
(512, 512, 10)

矩阵是相同的。因此，matlab->python转换没有问题。您似乎只是希望在python中使用转置版本

---

如果需要pythonic

（10、512、512）

数组，只需将其转置：

python> a = np.ascontiguousarray(a.T)

如果您只想转置第二个轴和最后一个轴（如您的示例中所示），则可以使用

交换键进行转置：

python> a = np.ascontiguousarray(np.swapaxes(a, 1, 2))

请注意，
ascontiguousarray
将把数组（如果需要）复制到一个C顺序的连续内存块中。对于进一步的numpy处理例程来说效率更高


最后，以虚拟样本
a
矩阵为例：

>>> np.swapaxes(a, 1, 2)
array([[[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 11, 12]]], dtype=uint8)

我仍然会用
np.ascontiguousarray
包装它，以确保数据被复制到新的内存块中

>>> np.swapaxes(a, 1, 2)
array([[[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 11, 12]]], dtype=uint8)