在 numpy 中将 2 个图像堆叠在一起答案

【问题标题】：stack 2 images together in numpy在 numpy 中将 2 个图像堆叠在一起
【发布时间】：2021-08-14 01:22:14
【问题描述】：

从下面的 codw 传递 1 张图像时，我得到的形状是 (1,3,640,640)。

def shape(im1):
    image_src = Image.open(im1)
    print('Loaded Image Info : ',image_src.format, image_src.size, image_src.mode) # size order : width*height

    # Resize to img_size_w, img_size_h
    resized =  image_src.resize((640, 640))   # To be imblemnated : letterbox_image(image_src, (img_size_w, img_size_h))
    print('After resizing :' ,resized.size, resized.mode) # size order : width*height
    #display(resized)

    # Preprocess the image
    img_in = np.transpose(resized, (2, 0, 1)).astype(np.float32)  # HWC -> CHW
    img_in = np.expand_dims(img_in, axis=0) # Add redundant dimension for batch-size (Assumed to be 1, check batch_size = session.get_inputs()[0].shape[0])
    img_in /= 255.0 # Normalize all pixels
    print('Batch-Size, Channel, Height, Width : ',img_in.shape)
    return img_in

在代码中进行哪些更改，以便在传递 2 张图像时将它们堆叠在一起并给出形状为 (2,3,640,640)。

【问题讨论】：

标签： python image numpy stack

【解决方案1】：

试试np.concatenate

out = np.concatenate([im1, im2], axis=0)

【讨论】：

你能看到用于 1 张图像的代码，它返回的形状为 (1,3,64,64) 如何堆叠 2 张图像。想不通
请改写您的评论或问题。真的很难理解你在说什么。对我来说，您似乎只想在两个图像上运行它然后运行连接，但听起来我需要澄清
希望它能让你清楚，是的，你的理解是正确的，只是想在两个图像上运行它，然后运行连接。如果需要任何澄清，我会尝试

【解决方案2】：

您可以将 NumPy 数组附加到列表中，并在最后将列表转换为数组。

用可变参数定义你的方法：
```
 def shape(*args):
```

迭代参数，并将图像附加到列表中：

 imgs_list = []  # List of images (initialize to an empty list)

 for im in args:
     image_src = Image.open(im)

     ...

     imgs_list.append(img_in)  # Append image to list

将列表转换为 NumPy 数组，归一化并返回结果：

 imgs_in = np.array(imgs_list)  # Convert the list to NumPy array    
 imgs_in /= 255.0 # Normalize all pixels
 return imgs_in

shape方法的更新代码：

def shape(*args):
    imgs_list = []  # List of images (initialize to an empty list)

    # Iterate all function arguments
    for im in args:
        image_src = Image.open(im)
        print('Loaded Image Info : ',image_src.format, image_src.size, image_src.mode) # size order : width*height

        # Resize to img_size_w, img_size_h
        resized =  image_src.resize((640, 640))   # To be implemented: letterbox_image(image_src, (img_size_w, img_size_h))
        print('After resizing :' ,resized.size, resized.mode) # size order : width*height
        #display(resized)

        # Preprocess the image
        img_in = np.transpose(resized, (2, 0, 1)).astype(np.float32)  # HWC -> CHW

        imgs_list.append(img_in)  # Append image to list


    #img_in = np.expand_dims(img_in, axis=0) # Add redundant dimension for batch-size (Assumed to be 1, check batch_size = session.get_inputs()[0].shape[0])

    imgs_in = np.array(imgs_list)  # Convert the list to NumPy array    

    imgs_in /= 255.0 # Normalize all pixels
    print('Batch-Size, Channel, Height, Width : ',imgs_in.shape)

    return imgs_in

用法：

res = shape('image1.png', 'image2.png', 'image3.png')

【讨论】：