Python 如何将多个图像填充到包含所有图像的最小形状？

我正在尝试编写一个函数来加载和处理NN的数据。 作为输入，我有一组不同大小的图片。图片应表示为带有RGB通道的3D numpy阵列。我需要它们的大小相同（最大图片的大小）

我试过

np.pad

，但似乎我不知道它应该如何工作。事实上，即使我有填充物，我也不知道如何根据图片的大小来改变它。代码如下：

从PIL导入图像
将numpy作为np导入
进口cv2
导入操作系统
def加载_数据（路径）：
氨基酸=['Ala'、'Arg'、'Asn'、'Asp'、'Cys'、'Gln'、'Glu'、'Gly'、'His'、'Ile'、'Ini'、'Leu'、'Lys'、'Met'、'Phe'、'Pro'、'Pyr'、'Sec'、'Ser'、'Thr'、'Trp'、'Tyr'、'Val']
矩阵=[]
答案_标签=[]
name=os.listdir（路径）
以我的名义：
矩阵=cv2.imread（路径+i，1）
矩阵=np.pad（矩阵，（0，1），‘常数’，常数值=[255255]）
对于氨基酸中的y：
如果i中的y+“-”：
a=[矩阵，y]
答案加上标签。附加（a）
返回带标签的答案
数据处理=加载数据（“/content/drive/My drive/Thesis/dl/img/ans/”）

我得到了这个错误：

ValueErrorTraceback (most recent call last)
<ipython-input-50-e021738e59ea> in <module>()
     20     return answer_labeled
     21 
---> 22 data_processed = load_data("/content/drive/My Drive/Thesis/dl/img/ans/")
     23 
     24 # print(len(os.listdir("/content/drive/My Drive/Thesis/dl/img/ans/")))

<ipython-input-50-e021738e59ea> in load_data(path)
     13     for i in names:
     14       matrix = cv2.imread(path + i, 1)
---> 15       matrix = np.pad(matrix, (0, 1), 'constant', constant_values=[255,255,255])
     16       for y in aminoacids:
     17         if y + "-" in i:

/usr/local/lib/python2.7/dist-packages/numpy/lib/arraypad.pyc in pad(array, pad_width, mode, **kwargs)
   1208                 kwargs[i] = _as_pairs(kwargs[i], narray.ndim, as_index=True)
   1209             if i in ['end_values', 'constant_values']:
-> 1210                 kwargs[i] = _as_pairs(kwargs[i], narray.ndim)
   1211     else:
   1212         # Drop back to old, slower np.apply_along_axis mode for user-supplied

/usr/local/lib/python2.7/dist-packages/numpy/lib/arraypad.pyc in _as_pairs(x, ndim, as_index)
    951     # Converting the array with `tolist` seems to improve performance
    952     # when iterating and indexing the result (see usage in `pad`)
--> 953     return np.broadcast_to(x, (ndim, 2)).tolist()
    954 
    955 

/usr/local/lib/python2.7/dist-packages/numpy/lib/stride_tricks.pyc in broadcast_to(array, shape, subok)
    180            [1, 2, 3]])
    181     """
--> 182     return _broadcast_to(array, shape, subok=subok, readonly=True)
    183 
    184 

/usr/local/lib/python2.7/dist-packages/numpy/lib/stride_tricks.pyc in _broadcast_to(array, shape, subok, readonly)
    127     it = np.nditer(
    128         (array,), flags=['multi_index', 'refs_ok', 'zerosize_ok'] + extras,
--> 129         op_flags=[op_flag], itershape=shape, order='C')
    130     with it:
    131         # never really has writebackifcopy semantics

ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (3,) and requested shape (3,2)

ValueErrorTraceback（最近一次调用上次）
在（）
20返回已标记的答案
21
--->22数据处理=加载数据（“/content/drive/My drive/Thesis/dl/img/ans/”）
23
24#打印（len（os.listdir（“/content/drive/My drive/Thesis/dl/img/ans/”））
加载_数据中（路径）
13我的名字：
14矩阵=cv2.imread（路径+i，1）
--->15矩阵=np.pad（矩阵，（0，1），‘常数’，常数值=[255255]）
16对于氨基酸中的y：
17如果i中的y+“-”：
/pad中的usr/local/lib/python2.7/dist-packages/numpy/lib/arraypad.pyc（数组、pad_宽度、模式，**kwargs）
1208 kwargs[i]=_as_pairs（kwargs[i]，narray.ndim，as_index=True）
1209如果i在['end_values'，'constant_values']中：
->1210 kwargs[i]=_as_pairs（kwargs[i]，narray.ndim）
1211其他：
1212#返回到旧的、较慢的np。对于用户提供的，沿_轴应用_模式
/usr/local/lib/python2.7/dist-packages/numpy/lib/arraypad.pyc成对（x，ndim，as_索引）
951#使用“tolist”转换数组似乎可以提高性能
952#对结果进行迭代和索引时（请参见“pad”中的用法）
-->953将np.broadcast_返回（x，（ndim，2））.tolist（）
954
955
/广播中的usr/local/lib/python2.7/dist-packages/numpy/lib/stride_tricks.pyc（数组、形状、子对象）
180            [1, 2, 3]])
181     """
-->182返回到（数组、形状、subok=subok、readonly=True）
183
184
/usr/local/lib/python2.7/dist-packages/numpy/lib/stride\u tricks.pyc in\u broadcast\u to（数组、形状、子对象、只读）
127 it=np.nditer(
128（数组，），标志=['multi_index'、'refs_ok'、'zerosize_ok']+附加，
-->129 op_标志=[op_标志]，itershape=形状，顺序='C'）
130有了它：
131#从来没有真正的writebackifcopy语义
ValueError:操作数无法与重新映射的形状[原始->重新映射]：（3，）和请求的形状（3,2）一起广播

当然，我试着用谷歌搜索这个错误，但没有找到对我有用或可以理解的东西（因为我对编程非常陌生）。我非常感谢任何帮助和想法。

使用

np.pad（）

实际上非常好

使用您提供的数字处理三维数据的示例如下：

import numpy as np


arr = np.random.randint(0, 255, (72, 72, 3))

new_arr = np.pad(
    arr, ((0, 92 - 72), (0, 92 - 72), (0, 0)),
    'constant', constant_values=255)

print(new_arr.shape)
# (92, 92, 3)

---

编辑 要解决完整的问题，首先需要确定最大尺寸，然后相应地填充所有其他图像。 该软件包为您提供了许多功能，可以更轻松地完成工作（免责声明：我是它的主要作者）

---

如果您可以将所有图像存储在内存中，最简单的方法就是使用，即：

---

如果无法将所有数据放入内存，则应分两次进行，一次是计算适合所有输入的最小形状，然后使用以下方法执行实际填充：

---

在内部，

fc.extra.reframe（）

正在使用

np.pad（）

（或类似的东西，但速度更快），大致相当于：

def reframe(arr, target_shape, position=0.5, *args, **kws):
    source_shape = arr.shape
    padding = tuple(
        (int(position * (dim_target - dim_source)),
         (dim_target - dim_source) - int(position * (dim_target - dim_source)))
        for dim_target, dim_source in zip(target_shape, source_shape))
    return np.pad(arr, padding, *args, **kws)


reframe(arr, target_shape, 0.5, 'constant', constant_values=255)

请注意，

position

参数确定数组相对于新形状的放置位置。

0.5

的默认值将使所有图像放置在中心，而

0.0

或

1.0

将其推到所有轴上新形状的一侧或另一侧。

---

FlyingCircus版本更灵活，因为您可以分别为所有轴指定一个

位置
值。
我曾经不得不解决一个类似的任务，因此我为它创建了以下函数。它允许为每个维度指定大小差异的分数，该分数应该在前后填充（类似于
np.pad
）。例如，如果您有两个形状数组
（3，）
和
（5，）
，那么
before=1
将填充整个差异（在本例中为
2
）在左侧，而
before=0.5
在左侧和右侧分别填充一个元素。与
np类似，pad
也可以为每个维度指定这些因子。以下是实现：

import numpy as np


def pad_max_shape(arrays, before=None, after=1, value=0, tie_break=np.floor):
    """Pad the given arrays with a constant values such that their new shapes fit the biggest array.

    Parameters
    ----------
    arrays : sequence of arrays of the same rank
    before, after : {float, sequence, array_like}
        Similar to `np.pad -> pad_width` but specifies the fraction of values to be padded before
        and after respectively for each of the arrays.  Must be between 0 and 1.
        If `before` is given then `after` is ignored.
    value : scalar
        The pad value.
    tie_break : ufunc
        The actual number of items to be padded _before_ is computed as the total number of elements
        to be padded times the `before` fraction and the actual number of items to be padded _after_
        is the remainder. This function determines how the fractional part of the `before` pad width
        is treated. The actual `before` pad with is computed as ``tie_break(N * before).astype(int)``
        where ``N`` is the total pad width. By default `tie_break` just takes the `np.floor` (i.e.
        attributing the fraction part to the `after` pad width). The after pad width is computed as
        ``total_pad_width - before_pad_width``.

    Returns
    -------
    padded_arrays : list of arrays

    Notes
    -----
    By default the `before` pad width is computed as the floor of the `before` fraction times the number
    of missing items for each axis. This is done regardless of whether `before` or `after` is provided
    as a function input. For that reason the fractional part of the `before` pad width is attributed
    to the `after` pad width (e.g. if the total pad width is 3 and the left fraction is 0.5 then the
    `before` pad width is 1 and the `after` pad width is 2; in order to f). This behavior can be controlled
    with the `tie_break` parameter.
    """
    shapes = np.array([x.shape for x in arrays])
    if before is not None:
        before = np.zeros_like(shapes) + before
    else:
        before = np.ones_like(shapes) - after
    max_size = shapes.max(axis=0, keepdims=True)
    margin = (max_size - shapes)
    pad_before = tie_break(margin * before.astype(float)).astype(int)
    pad_after = margin - pad_before
    pad = np.stack([pad_before, pad_after], axis=2)
    return [np.pad(x, w, mode='constant', constant_values=value) for x, w in zip(arrays, pad)]

例如，您可以按如下方式使用它：

test = [np.ones(shape=(i, i, 3)) for i in range(5, 10)]
result = pad_max_shape(test, before=0.5, value=255)

print([x.shape for x in result])
print(result[0][:, :, 0])

这将产生以下输出：

[(9, 9, 3), (9, 9, 3), (9, 9, 3), (9, 9, 3), (9, 9, 3)]
[[255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255.]]

因此，我们可以看到，每个数组都被对称地填充到最大数组的形状
（9，9，3）
错误似乎不完整，或者与您发布的代码相关。它是完整的和相关的，我编辑了文章（使用函数时出现错误）@LisaGrigorashvili不，它不完整。细节隐藏在
4帧中
。你应该能够单击那里并获得完整的跟踪。这就是MadPhysicator的评论所指的。给定
test = [np.ones(shape=(i, i, 3)) for i in range(5, 10)]
result = pad_max_shape(test, before=0.5, value=255)

print([x.shape for x in result])
print(result[0][:, :, 0])

[(9, 9, 3), (9, 9, 3), (9, 9, 3), (9, 9, 3), (9, 9, 3)]
[[255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255.   1.   1.   1.   1.   1. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255.]]