Python 将numpy一维阵列重塑为三维阵列

我在将numpy阵列从1D重塑为3D时遇到问题

我在看一个视频文件， 然后，我从x个帧中提取人脸，并将人脸及其标签存储在numpy数组中

fps = 3
time_of_video = 10
x = 0
face_size = 128

images = []
labels = []

for original_name, filename, label in tqdm(zip(train_sample_metadata['original'], train_sample_metadata['filename'], train_sample_metadata['label'])):

...

        video_1 = read_video(f'{base_path}/{filename}', fps*time_of_video)
        video_2 = read_video(f'{base_path}/{original_name}', fps*time_of_video)
        face_annotations = get_annotations(real_video)
        faces_1 = crop_faces(video_1, face_annotations, face_size)
        faces_2 = crop_faces(video_2, face_annotations, face_size)

        x = faces_1

        for ff, rf in zip(faces_1, faces_2):
            if np.array_equal(ff, rf):
                y.append(0)
            else:
                y.append(1)

        y = to_categorical(np.array(y), 2)

    images.append(x)
    labels.append(y)


images = np.array(images)
labels = np.array(labels)

images.shape, labels.shape
((400,), (400,))

images = images.reshape((images.shape[0] * images.shape[1], 128, 128, 3))
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-38-af9e927f8a1c> in <module>
----> 1 images = images.reshape((images.shape[0] * images.shape[1], 299, 299, 3))

IndexError: tuple index out of range

fps=3
视频的时间=10
x=0
面_尺寸=128
图像=[]
标签=[]
对于原始名称、文件名、TQM中的标签（zip（列车样本元数据['original']，列车样本元数据['filename']，列车样本元数据['label']）：
...
video_1=读取_视频（f'{base_path}/{filename}'，fps*视频的时间_）
video_2=读取_视频（f'{base_path}/{original_name}'，fps*时间_的_视频）
面部注释=获取注释（真实视频）
面_1=裁剪面（视频_1、面_注释、面_大小）
面_2=裁剪面（视频_2、面_注释、面_大小）
x=面_1
对于ff，拉链中的rf（面_1，面_2）：
如果np.数组_相等（ff，rf）：
y、 追加（0）
其他：
y、 附加（1）
y=to_分类（np.数组（y），2）
images.append（x）
标签。附加（y）
images=np.array（图像）
labels=np.array（标签）
图像.形状，标签.形状
((400,), (400,))
images=images.reformate（（images.shape[0]*images.shape[1,128,128,3））
---------------------------------------------------------------------------
索引器回溯（最后一次最近调用）
在里面
---->1 images=images.restrape（（images.shape[0]*images.shape[1,299299,3））
索引器错误：元组索引超出范围

您的

图像

数组可能是形状（400），因为原始列表不包含所有相同的形状。假设您的图片/视频在5D中具有正确的表示形式，如果所有附加项的大小相同，它将转换为

numpy

数组。但事实并非如此。尝试：

for i in images:
    print(np.array(i.shape))

运行此行时，您可能会发现列表被转换为列表数组的原因：

images = np.array(images)

重塑

功能仅重新排列当前数组。想象一个2x2x2的立方体，共有8个单位。阵列只能使用这8个单元进行重塑

正如我所说，如果你发现不是所有的图片阵列都是相同的形状，你将无法将它们重塑为相同的形状。您需要裁剪或调整大小。您可以使用

PIL

及其

Image

模块来实现这一点

from PIL import Image

pic = Image.fromarray(pic).resize((128, 128, 3))

---

可以使用将单通道图像转换为三通道图像

image3Channel=np.stack((image1Channel,)*3, -1)

---

如果

图像

是一维的，那么您对

图像.shape[1]

的期望是什么？在将其存储到

x

之前，您是否检查了

面中包含的内容？我猜它不是一个numpy数组。我试图制作的形状是images.shape[1]，128，128，3）``images.shape，labels.shape（（400，），（400））images=images.reforme（（images.shape[0]*images.shape[1]，128，128，3））`@OscarRangel我看到了。这就是我的问题
images
是一维的，但是你可以访问第一维和第二维的大小（
images.shape[0]
，
images.shape[1]
）。谢谢你的帖子，我明白你的意思了，所以最初的对象是一个列表，然后我创建了np列表，但是我是如何将它变成一个128，3个阵列，以便我可以训练模型。您是否确保所有图片都可以重塑为（128，128，3）？或者你想调整尺寸？因为您使用了正确的方法将列表转换为
numpy
数组，但我怀疑某些形状不匹配。如果形状不匹配，你必须调整大小，而不是重塑。对不起，我还在学习。。。。您将如何调整大小？如果我调整尺寸，我就不必再做整形了？另外，它告诉我索引超出范围。非常感谢这篇文章，所以我必须对每一张图片都这样做，然后将所有图片存储在np数组中，我不需要重塑，对吗？没错。但是，如果所有图片的形状相同，并且可以重塑为所需的大小，则首选重塑。我希望你能理解其中的细微差别。谢谢，但是images=np。stack（（images，）*3，-1）不起作用。。。。images.shape（400,3）images=images.reshape（（images.shape[0]*images.shape[1,128,128,3））值错误：无法将大小为1200的数组重新形状化为形状（1200128128,3）您可以轻松地使用opencv进行
cv2.resize（images.3channel，（128128），interpolation=cv2.INTER\u AREA）
TypeError:参数“%s”应为Ptr。您可以将其更改为
cv2.resize（np.float32（image3channel），（128128），interpolation=cv2.INTER\u AREA）
image=cv2.resize（np.float32（images），（128128），interpolation=cv2.INTER\u AREA）值错误：使用序列设置数组元素。