调整引用另一个数组的numpy数组的大小答案

【问题标题】：resize numpy array referencing another array调整引用另一个数组的numpy数组的大小
【发布时间】：2018-08-15 12:08:16
【问题描述】：

mypath='/Users/sachal/Desktop/data_raw/normal_1/images'
onlyfiles = [ f for f in listdir(mypath) if isfile(join(mypath,f)) ]
images = np.asarray(np.empty(len(onlyfiles), dtype=object))

for n in range(0, len(onlyfiles)):
  images[n] = cv2.imread( join(mypath,onlyfiles[n]) )
#--------------------------------------------------------------------------------
resized = np.asarray(np.empty(len(onlyfiles), dtype=object))
img_f = np.asarray(np.empty(len(onlyfiles), dtype=object))


for n in range(0, len(onlyfiles)):
  resized[n] = cv2.resize(images[n],(101,101))
  img_f[n] = cv2.cvtColor(resized[n], cv2.COLOR_BGR2YUV)

train_img =  np.asarray(img_f)
#--------------------------------------------------------------------------------

在上面的代码中，我首先使用 opencv 加载图像，然后在第二个块中调整大小并更改它们的颜色空间。

我的批量大小是6408，图像尺寸是101*101*3 当我做train_img.shape 时，我得到(6408,) 和train_img[i].shape 我得到101*101*3，因此我无法训练我的神经网络模型，我想要的尺寸是6408*101*101*3

我尝试用这个train_img.resize(6408,101,101,3) 重塑我得到这个ValueError: cannot resize an array that references or is referenced by another array in this way. Use the resize function

在拟合我的模型时，我收到了这个错误Error when checking input: expected conv2d_3_input to have 4 dimensions, but got array with shape (6408, 1)

我想知道是否可以使用当前加载图像的方法更改输入的尺寸。

【问题讨论】：

请尝试提供一个没有本地数据链接的工作示例。嵌入一个带有值的小矩阵以显示您的意思。
我想要的是 [1 1 1 1] 这种类型的矩阵，但我得到的是首先是 6408 个元素的列表，然后每个元素是 [1 1 1]

标签： python arrays numpy opencv

【解决方案1】：

你不应该在这里使用dtype=object。 OpenCV 无论如何都会创建ndarray 图像。

这是您的代码的更正版本：

mypath='/Users/sachal/Desktop/data_raw/normal_1/images'
onlyfiles = [ f for f in os.listdir(mypath) if os.path.isfile(join(mypath,f)) ]
images = []

for file in onlyfiles:
   img = cv2.imread(os.path.join(mypath,file))
   resized_img = cv2.resize(img, (101, 101)) 
   yuv_img = cv2.cvtColor(resized_img, cv2.COLOR_BGR2YUV)
   images.append(yuv_img.reshape(1, 101, 101, 3))

train_img = np.concatenate(images, axis=0)
print(train_img.shape)

在循环中，您加载每个图像，调整其大小，将其转换为 YUV，然后将其放入列表中。在循环结束时，您的列表包含所有训练图像。您可以将其传递给np.concatenate 以创建ndarray。

【讨论】：