Was ist die dimension, um von numpy Form für Bild-Daten?

Ich bin mit nibabel lib zum laden von Daten von nii-Datei. Ich lese das Dokument der lib an http://nipy.org/nibabel/gettingstarted.html, und festgestellt, dass

Dieser Informationen ist ohne die Notwendigkeit zu laden, alles von der Haupt-Bild-Daten in den Speicher. Natürlich gibt es auch Zugriff auf die Bilddaten als ein NumPy-array

Dies ist mein code zum laden der Daten und Formen

import nibabel as nib
img = nib.load('example.nii')
data = img.get_data()
data = np.squeeze(data)
data = np.copy(data, order="C")
print data.shape

Bekam ich das Ergebnis

128, 128, 64

Was ist die Reihenfolge der Daten, die Form? Ist es WidthxHeightxDepth? Und mein Eingang muss so angeordnet wie depth, height, width. Also werde ich input=data.transpose(2,0,1). Ist es richtig? Vielen Dank an alle

Update: ich habe festgestellt, dass die Numpy wird das Bild Lesen durch, um Height x Width x Depth als Referenz http://www.python-course.eu/images/axis.jpeg

Was ist der Numpy-Dokumentation sagen?
Ich fand, dass, Achse=0 ist in der Höhe, Achse=1 ist die Breite und Achse=2 ist die Tiefe. Ist es richtig? Wie das python-course.eu/images/axis.jpeg
Ich meinte zu gehen, die Form, die Funktion auf das Numpy-site
Der einfachste Weg, um Ihre eigene Frage zu beantworten ist, um den code auszuführen, der auf ein Beispiel-Bild mit bekannten Maßen.
Du hast Recht, es ist immer (H, W, D) wegen der Terminologie, die NumPy verwendet, um (axis=0, axis=1, axis=2) oder Analog (Y, X, Z) Achsen, wenn Sie möchten, um es auf diese Weise visualisieren.

InformationsquelleAutor John | 2017-04-07

  1. 12

    OK, hier ist mein nehmen:

    Mit scipy.ndimage.imread('img.jpg', mode='RGB'), hat das resultierende array wird immer in dieser Reihenfolge: (H, W, D) d.h. (Höhe, Breite, Tiefe) wegen der Terminologie, die numpy verwendet für ndarrays (axis=0, axis=1, axis=2) oder Analog (Y, X, Z) wenn man möchte, zu visualisieren, in 3 Dimensionen.

    # read image
In [21]: img = scipy.ndimage.imread('suza.jpg', mode='RGB')

# image shape as (H, W, D)
In [22]: img.shape
Out[22]: (634, 1366, 3)

# transpose to shape as (D, H, W)
In [23]: tr_img = img.transpose((-1, 0, 1))    

In [23]: tr_img.shape
Out[23]: (3, 634, 1366)

    Wenn man bedenkt, img_shape als ein Tupel,

    #  index    (0,   1,    2)
img_shape = (634, 1366, 3)
# or index  (-3,  -2,  -1)

    Wählen, welche ist eine bequeme Möglichkeit für Sie, sich zu erinnern.

    PS: Es sollte auch angemerkt werden, dass Bibliotheken, wie tensorflow auch (fast) folgt der gleichen Konvention wie numpy.

    tf.image_decode_jpeg() gibt:

    Einen Tensor vom Typ uint8. 3-D-Form [height, width, channels]

    Dank kmario23 für deine Antwort. Ich würde gerne wissen, warum ist es transpose((-1, 0, 1)) statt transpose((2, 0, 1))
    Ist dein Recht als gut. Es ist nur eine andere Schreibweise der Indizes (einer Tupel/Liste).
    Danke. Also benutzte ich data = np.copy(data, order="C") in meinem code (in Frage). Muss ich die Zeile entfernen?
    Ja, ich denke, es gibt keine Notwendigkeit für die squeeze und copy Operationen. Die Daten, die Sie laden mit img.get_data() ist selbst ein numpy array

    InformationsquelleAutor kmario23

Schreibe einen Kommentar