python 图像处理中数组常用语法（Common syntax for arrays in image processing）

 

在用 python 进行图像处理的时候，为了提高执行效率，必定会用到 numpy 数据类型，以下介绍了图像处理中 numpy 中常用的语法，希望对大家有帮助。

1. numpy 倒置数组（第一个值到最后一个值，最后一个值到第一个值）

In [2]: a = np.random.randint(0, 20, (6, 2))

In [3]: a
Out[3]:
array([[ 8, 16],
       [16, 13],
       [12,  4],
       [13,  7],
       [ 7,  6],
       [ 6,  3]])

In [4]: a[::-1]
Out[4]:
array([[ 6,  3],
       [ 7,  6],
       [13,  7],
       [12,  4],
       [16, 13],
       [ 8, 16]])

 

2. numpy 对调 x 和 y 坐标的顺序

In [7]: a = np.random.randint(0, 20, (6, 2))

In [8]: a
Out[8]:
array([[11, 19],
       [17, 15],
       [ 8, 14],
       [15, 12],
       [17,  6],
       [ 9,  3]])

In [9]: a[:, ::-1]
Out[9]:
array([[19, 11],
       [15, 17],
       [14,  8],
       [12, 15],
       [ 6, 17],
       [ 3,  9]])

 

3. 列表中的数组合成一个数组

In [22]: a = np.random.randint(0, 20, (3, 2, 2))

In [23]: a
Out[23]:
array([[[10,  9],
        [15, 10]],

       [[ 5, 18],
        [ 5,  7]],

       [[15, 10],
        [ 0, 13]]])

In [24]: b=[a[0],a[1][::-1],a[2]]

In [25]: b
Out[25]:
[array([[10,  9],
        [15, 10]]),
 array([[ 5,  7],
        [ 5, 18]]),
 array([[15, 10],
        [ 0, 13]])]

In [26]: np.vstack(b)
Out[26]:
array([[10,  9],
       [15, 10],
       [ 5,  7],
       [ 5, 18],
       [15, 10],
       [ 0, 13]])

4. 数组增加一个维度（2种方法：方法1：使用 np.expand_dims 函数（推荐）；方法2：使用 reshape 函数）

In [2]: a = np.random.randint(0, 30, (5, 2))

In [3]: a
Out[3]:
array([[24, 27],
       [ 9,  2],
       [20, 12],
       [23, 26],
       [27,  4]])

In [4]: a.shape
Out[4]: (5, 2)

In [5]: b = np.expand_dims(a, 1)

In [6]: b
Out[6]:
array([[[24, 27]],

       [[ 9,  2]],

       [[20, 12]],

       [[23, 26]],

       [[27,  4]]])

In [7]: b.shape
Out[7]: (5, 1, 2)

In [8]: c = a.reshape(5, 1, 2)

In [9]: c
Out[9]:
array([[[24, 27]],

       [[ 9,  2]],

       [[20, 12]],

       [[23, 26]],

       [[27,  4]]])

In [10]: c.shape
Out[10]: (5, 1, 2)

未完待续~