将核心 4D 图像 tif 存储为 hdf5 python

Question

我有 27GB 的 2D tiff 文件，代表 3D 图像电影的片段。我希望能够对这些数据进行切片，就好像它是一个简单的 numpy4d 数组一样。看起来 dask.array 是一个很好的工具，一旦它作为 hdf5 文件存储在内存中，就可以干净地操作数组。

如果这些文件不能全部放入内存，我如何首先将它们存储为 hdf5 文件。我是 h5.py 和一般数据库的新手。

谢谢。

Answer 1

编辑：使用dask.array的imread函数

从dask 0.7.0 开始，您不需要将图像存储在 HDF5 中。直接使用imread 函数：

In [1]: from skimage.io import imread

In [2]: im = imread('foo.1.tiff')

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

In [4]: ls foo.*.tiff
foo.1.tiff  foo.2.tiff  foo.3.tiff  foo.4.tiff

In [5]: from dask.array.image import imread

In [6]: im = imread('foo.*.tiff')

In [7]: im.shape
Out[7]: (4, 5, 5, 3)

将图像存储到 HDF5 中的旧答案

数据摄取通常是最棘手的问题。 Dask.array 没有与图像文件的任何自动集成（尽管如果有足够的兴趣，这是非常可行的。）幸运的是，将数据移动到 h5py 很容易，因为 h5py 支持 numpy 切片语法。在下面的示例中，我们将创建一个空的 h5py 数据集，然后在 for 循环中将四个微小的 tiff 文件存储到该数据集中。

首先我们得到图像的文件名（请原谅玩具数据集。我没有任何真实的东西。）

In [1]: from glob import glob
In [2]: filenames = sorted(glob('foo.*.tiff'))
In [3]: filenames
Out[3]: ['foo.1.tiff', 'foo.2.tiff', 'foo.3.tiff', 'foo.4.tiff']

加载并检查示例图像

In [4]: from skimage.io import imread
In [5]: im = imread(filenames[0])  # a sample image
In [6]: im.shape  # tiny image
Out[6]: (5, 5, 3)
In [7]: im.dtype
Out[7]: dtype('int8')

现在我们将在该文件中创建一个 HDF5 文件和一个名为 '/x' 的 HDF5 数据集。

In [8]: import h5py
In [9]: f = h5py.File('myfile.hdf5')  # make an hdf5 file
In [10]: out = f.require_dataset('/x', shape=(len(filenames), 5, 5, 3), dtype=im.dtype)

太好了，现在我们可以一次将一张图片插入到 HDF5 数据集中。

In [11]: for i, fn in enumerate(filenames):
   ....:     im = imread(fn)
   ....:     out[i, :, :, :] = im

此时dask.array可以愉快地包裹out

In [12]: import dask.array as da
In [13]: x = da.from_array(out, chunks=(1, 5, 5, 3))  # treat each image as a single chunk
In [14]: x[::2, :, :, 0].mean()
Out[14]: dask.array<x_3, shape=(), chunks=(), dtype=float64>

如果您希望看到更多对图像堆栈的原生支持，那么我鼓励您raise an issue。直接从 tiff 文件堆栈中使用 dask.array 非常容易，无需通过 HDF5。