Python 创建图像的Numpy数组

我有一些（950）150x150x3.jpg图像文件，我想读入Numpy数组

以下是我的代码：

X_data = []
files = glob.glob ("*.jpg")
for myFile in files:
    image = cv2.imread (myFile)
    X_data.append (image)

print('X_data shape:', np.array(X_data).shape)

输出为

（950150）

。请告诉我为什么列表未正确转换为

np.array

，以及是否有更好的方法创建图像数组

在我读到的内容中，通过python列表将其附加到numpy数组，然后将其转换为数组，这样做更容易

---

编辑：更多信息（如果有帮助），

image.shape

正确返回

（150150,3）

。

我测试了你的代码。它对我的输出效果很好

（'X_数据形状：'，（46171021,3））

然而，所有的图像都是完全相同的维度

当我添加另一个具有不同范围的图像时，我有以下输出：

（'X_数据形状：'，（5，））

因此，我建议检查大小和相同数量的通道（如所有图像都是彩色图像）？此外，您还应该检查是否所有图像（或没有）都有alpha通道（请参阅@Gughan Ravikumar的评论）

如果只有通道的数量不同（即，某些图像为灰色），则使用以下命令强制将所有图像加载到颜色格式中：

image = cv2.imread (myFile, cv2.IMREAD_COLOR)

编辑： 我使用了问题中的代码，只替换为我的目录（和“*.PNG”）：

---

将放入相同大小矩阵中的.JPG帧的定义应为x、y、R、G、B、a。不使用“a”，但它在每个像素的末尾占用8位

在列表中附加图像，然后将其转换为numpy数组，这对我来说不起作用。我有一个很大的数据集，每次尝试时RAM都会崩溃。相反，我附加了numpy数组，但这有它自己的缺点。追加到列表中然后转换为np数组是空间复杂的，但追加numpy数组是时间复杂的。如果您足够耐心，这将解决RAM崩溃问题

def imagetensor(imagedir):
  for i, im in tqdm(enumerate(os.listdir(imagedir))):
    image= Image.open(im)
    image= image.convert('HSV')
    if i == 0:
      images= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
    else:
      image= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
      images= np.append(images, image, axis= 0)
  return images

---

我正在寻找能够兼顾空间和时间的更好的实现。如果有人有更好的想法，请发表评论。

这里有一个解决方案，用于具有特定Unicode字符的图像，或者如果我们正在使用带有透明层的PNG，这两种情况我必须处理我的数据集。此外，如果有任何图像的分辨率不符合要求，则不会将其添加到Numpy阵列中。这使用的是cv2，而不是cv2

分辨率=150
导入glob
将numpy作为np导入
从PIL导入图像
X_数据=[]
files=glob.glob（r“D:\Pictures\*.png”）
对于文件中的my_文件：
打印（我的文件）
image=image.open（我的文件）.convert（'RGB'）
image=np.数组（image）
如果image为None或image.shape！=（决议，决议，3）：
打印（f'此图像不正确：{myFile}{image.shape，如果图像不是None，则为None}'）
其他：
X_data.append（图像）
打印（'X_数据形状：'，np.array（X_数据）.shape）
#如果您有950个150x150图像，这将打印“X_数据形状：（950、150、150、3）”

---

如果您不使用Python 3.6+，则可以用常规字符串替换r字符串（如果您使用Windows，则用

\\

代替

\

），并用常规字符串插值替换f字符串。

您的目标是什么？4D 950x150x150x3阵列？或者150x150x3或其他“正确”数组的列表？@DomTomCat一个4D 950x150x150x3数组。是否

X_数据。追加（np.array（image））

help？@gughanavikumar它没有帮助，因为cv2.imread已经返回一个numpy数组。@AbhishekBansal然后尝试

np.vstack（X_数据）

而不是

np.array（X_数据）

所有图像均为3通道，尺寸为150x150x3。是否还有其他错误？您可以强制执行相同的数据类型进行测试：

image=cv2.imread（myFile，1）.astype（np.uint8）

，但是我不太相信这一点。如果任何图像具有不同的形状，您可以在循环中添加一个assert语句，该语句将引发AssertionError:

assert image.shape==（150150,3），“img%s具有形状%r”%（myFile，image.shape）

谢谢，我的一张图像大小（150149,3），显然没有引起注意。抱歉，再次感谢。

def imagetensor(imagedir):
  for i, im in tqdm(enumerate(os.listdir(imagedir))):
    image= Image.open(im)
    image= image.convert('HSV')
    if i == 0:
      images= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
    else:
      image= np.expand_dims(np.array(image, dtype= float)/255, axis= 0)
      images= np.append(images, image, axis= 0)
  return images