Python-чтение изображений в матрицу изображений

Пост Фалько, безусловно, является каноническим способом сделать это. Однако, если я могу предложить более numpy / Питонный способ сделать это, я бы позволил первому измерению быть индексом изображения, которое вы хотите, в то время как второе и третье измерения будут строками и столбцами изображения, и, возможно, четвертое измерение будет цветовым каналом, который вы хотите. Поэтому, предположив, что ваше изображение имеет размеры M x N и у вас есть K изображения, вы создадите матрицу, которая будет K x M x N длинной или K x M x N x 3 длинной в случай цветных изображений.

Таким образом, простой однострочный в numpy может быть таким, учитывая ваш текущий код:

data = np.array([mpimg.imread(name) for name in os.listdir('images/sample_images/')], dtype=np.float64)

Таким образом, если вы хотите получить доступ к I ^{- му} образу, вы просто сделаете data[i]. Это будет работатьнезависимо от того, является ли изображение RGB или оттенками серого... таким образом, выполнив data[i], вы получите изображение RGB или изображение в оттенках серого, в зависимости от того, что вы решили использовать для упаковки массива. Однако вы должны убедиться, что все изображения соответствуют друг другу... То есть они все цветные или все оттенки серого.

Однако, чтобы показать вам, что это работает, давайте попробуем это с 5 x 5 x 3 "RGB" изображениями, где каждое начинается с 0 и увеличивается до K-1, где K в этом случае будет 10:

data = np.array([i*np.ones((5,5,3)) for i in range(10)], dtype=np.float64)

Давайте посмотрим пример выполнения (в IPython):

In [26]: data = np.array([i*np.ones((5,5,3)) for i in range(10)], dtype=np.float64)

In [27]: data.shape
Out[27]: (10, 5, 5, 3)

In [28]: img = data[0]

In [29]: img
Out[29]: 
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

In [30]: img.shape
Out[30]: (5, 5, 3)

In [31]: img = data[7]

In [32]: img
Out[32]: 
array([[[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]],

       [[ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.],
        [ 7.,  7.,  7.]]])

In [33]: img.shape
Out[33]: (5, 5, 3)

В приведенном выше примере я создал образец массива данных, и это 10 x 5 x 5 x 3, как мы и ожидали. У нас есть 10 матриц 5 x 5 x 3. Затем я извлекаю первое изображение "RGB", и все это 0s, как мы ожидайте, с размером 5 x 5 x 3. Я также извлекаю восьмой кусочек, и мы все получаем 7s, как и ожидали, с размером 5 x 5 x 3.

Очевидно, выберите тот ответ, который вы считаете лучшим, но я лично пошел бы с вышеуказанным маршрутом, поскольку индексирование в Ваш массив, чтобы захватить правильное изображение, проще - вы позволяете вещанию измерений делать работу за вас.