在 numpy 中附加 3d 数组

appending 3d arrays in numpy

我试图找到图像中的主色,然后对最主色的颜色设置阈值。但是我在数据类型方面遇到了麻烦。 我的公式给出了最主要的颜色:

color=[10,10,10] # type=numpy.ndarray ,uint8

但是当我尝试转换它时它给出断言错误:

color=cv2.cvtColor(color, cv2.COLOR_BGR2HSV) #gives assertion error

cv2.cvtColor 想要的输入是:

color_ideal=[[[ 10, 10, 10 ]]]  #type=numpy.ndarray, uint8

为了获得它,我设法像这样操纵颜色:

color=np.uint8(np.atleast_3d(clr).astype(int).reshape(1,1,3))

这似乎可行,但我知道我不能将多种颜色附加到 numpy array.Somehow,在附加维度减少到 1 之后。我的代码是:

    color=np.uint8([[[]]])

    for item in clt.cluster_centers_:
       color=np.append(color,(np.uint8(np.atleast_3d(item).astype(int).reshape(1,1,3))))
#returns: color=[10,10,10] somehow its dimension is down to 1

我的问题是:

1-如何在不丢失尺寸的情况下正确附加颜色数据?

2-有没有更简单的方法来处理这个问题?我很惊讶操纵自定义颜色像素有多么困难。

完整代码在这里,以防有帮助:

<!-- language: lang-py -->


    import cv2
    import numpy as np
    from sklearn.cluster import KMeans 

    def find_kmean_colors(img,no_cluster=2):
        clt = KMeans(no_cluster).fit(img)

        return clt
    def initialize(img='people_frontal.jpg'):
        img=cv2.imread('people_frontal_close_body.jpg')
        img=cv2.bilateralFilter(img,9,75,75)
        return img


    img=initialize()

    img_hsv =cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    img_list= img.reshape((img.shape[0] * img_hsv.shape[1], 3))

    clt=(find_kmean_colors(img_list,1))


    color=np.uint8([[[]]])

    for i in clt.cluster_centers_:
        color=np.append(color,(np.uint8(np.atleast_3d(i).astype(int).reshape(1,1,3))))

    #color=np.uint8(np.atleast_3d(clt.cluster_centers_).astype(int).reshape(1,1,3))

    up=cv2.cvtColor(color,cv2.COLOR_BGR2HSV)

没有 cv2 代码,我只是在猜测这里的形状。但看起来 img 是一个 (n,m,3) 数组。 img_list(m1,3)cltm1 项的列表,clt.cluster_centers_ 是形状为 (3,).[=29 的 m1 数组的列表=]

为了测试起见,让我们创建一个列表列表(它也可以是一个数组列表):

ctrs=[[10,10,10], [3,5,3], [20,10,10], [0,0,0]]
color = np.array(ctrs,dtype=np.uint8)  # (4,3) array
color = color.reshape(len(ctrs),1,3)

只需将其包裹在 np.array 中,然后重塑为 3d。

array([[[10, 10, 10]],
       [[ 3,  5,  3]],
       [[20, 10, 10]],
       [[ 0,  0,  0]]], dtype=uint8)

或者它可以重塑为 (1,4,3) 或 (2,2,3)。

或更接近您的尝试:

np.concatenate([np.array(i,np.uint8).reshape(1,1,3) for i in ctrs])

您不想在此处使用 atleast_3d,因为它会将 (N,) 数组重塑为 (1,N,1)(请参阅其文档)。 np.concatenate 在第一个轴上连接,其中 np.array 添加第一个维度然后连接。

您可能可以让 append 工作,但它只是一步一步地连接,速度较慢。一般来说,如果你需要附加,用列表来做,然后在最后转换成数组。


有多种方法可以在切片后保留或恢复维度。如果 color 是 3d 并且你需要第 i 行也是 3d:

color[[i]]
color[i].reshape(1,...)
color[i][np.newaxis,...]

像这样的整形操作不会显着增加处理时间,所以不要害怕使用它们。