numpy数组高维拼接： concatenate

清疚 2022-08-28 02:51 161阅读 0赞

最近在做图像融合，牵扯到图像矩阵数据的处理，其中包括升维，拼接，分离取出的操作，于是参照博客[numpy数组拼接方法介绍(concatenate)][numpy_concatenate]，把自己的测试过程分享记录一下。

## 已有维的拼接 ##

import numpy as np
    a=np.array([[1,2,3],[4,5,6]])
    print(a.shape)		# (2, 3)
    print("a:",a)

输出结果:

a: [[1 2 3]
     [4 5 6]]

先定义一个b,与a形状相同,然后尝试拼接

b=np.array([[11,21,31],[7,8,9]])
    c = np.concatenate((a,b),axis=0)
    d = np.concatenate((a,b),axis=1)
    print(c.shape,d.shape)	# (4, 3) (2, 6)
    print("c: ",c)
    print("d: ",d)

输出结果:

c:  [[ 1  2  3]
     [ 4  5  6]
     [11 21 31]
     [ 7  8  9]]
    d:  [[ 1  2  3 11 21 31]
     [ 4  5  6  7  8  9]]

## 升维后拼接 ##

这时候,如果直接使用`e = np.concatenate((a,b),axis=2)`会报错,提示没有第3维。于是，先升维。

a = np.expand_dims(a,axis=2)
    print(a.shape)		# (2, 3, 1)
    print(a)

输出结果：

a:  [[[1]
      [2]
      [3]]
    
     [[4]
      [5]
      [6]]]

也是，先对b升维,与a形状相同,然后尝试拼接。

b = np.expand_dims(b,axis=2)
    e = np.concatenate((a,b),axis=2)
    print(e.shape)		# (2, 3, 2)
    print("e:",e)

输出结果：

e: [[[ 1 11]
      [ 2 21]
      [ 3 31]]
    
     [[ 4  7]
      [ 5  8]
      [ 6  9]]]

#### 检验拼接是否正确 ####

接下来，检验一下，是否可以正常取用：

a = e[:,:,0]
    b = e[:,:,1]
    print("a:",a)
    print("b:",b)

输出结果：

a: [[1 2 3]
     [4 5 6]]
    b: [[11 21 31]
     [ 7  8  9]]

#### 应用场景 ####

VIS_batch = source_imgs[start:end, :, :, 0]	# 获取数据
    IR_batch = source_imgs[start:end, :, :, 1]

其中，start，end是当前批的范围，`end-start=batchsize`

[numpy_concatenate]: https://blog.csdn.net/qq_38150441/article/details/80488800

发表评论取消回复

表情：

评论列表（有 0 条评论，161人围观）

还没有评论，来说两句吧...

相关阅读

相关 Numpy数组拼接总结

方法一: Numpy中使用级联函数concatenate()来连接两个数组,可选参数为连接轴(连接维度) axis，axis默认为0，即默认在第0维上进行元素的连接。

港控/mmm°/ 2022年12月25日 05:55/ 0 赞/ 164 阅读

相关深度学习-TF函数-layers.concatenate用法 numpy数组维度

环境： tensorfow 2.\ def concatenate(inputs, axis=-1, \\kwargs): axis=n表示从第n个维度进行拼接，对

小咪咪/ 2022年12月24日 00:56/ 0 赞/ 173 阅读

相关 NumPy 三维数组以及高维数组切片和索引

1,Indexing and slicing numpy arrays [https://www.pythoninformer.com/python-libraries/

浅浅的花香味﹌/ 2022年12月04日 01:04/ 0 赞/ 278 阅读

相关 Python | numpy基础：高维数组索引与切片

import numpy as np 高维数组基础索引与切片：以二维数组为例二维数组的索引 arr = np.array(

谁践踏了优雅/ 2022年10月18日 00:53/ 0 赞/ 281 阅读

相关 numpy数组高维拼接： concatenate

最近在做图像融合，牵扯到图像矩阵数据的处理，其中包括升维，拼接，分离取出的操作，于是参照博客[numpy数组拼接方法介绍(concatenate)][numpy_concate

清疚/ 2022年08月28日 02:51/ 0 赞/ 162 阅读

相关 numpy 数组维度操作总汇

numpy中如何改变数组维度呢？写在前面所有的重排原则：从原数组最深维度开始依次取元素排到转换后数组最深维度处 1、reshape & resize &

心已赠人/ 2022年06月03日 00:56/ 0 赞/ 366 阅读

相关 numpy基本用法多维数组

对于[Python][]中的numpy模块，一般用其提供的ndarray对象。创建一个ndarray对象很简单，只要将一个list作为参数即可。例如 ![

淩亂°似流年/ 2022年05月16日 05:27/ 0 赞/ 229 阅读

相关 numpy库数组拼接np.concatenate()

理解轴axis的使用 ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4u

冷不防/ 2022年03月12日 04:48/ 0 赞/ 187 阅读

相关 numpy扩展维度以及np.concatenate

a = np.arange(12).reshape(3,4) a array([[ 0, 1, 2, 3], [ 4, 5

约定不等于承诺〃/ 2022年02月09日 10:17/ 0 赞/ 349 阅读

相关 numpy中的concatenate()函数调用

import numpy as np a = np.array([[1, 2], [3, 4]]) a.shape Out[

我就是我/ 2022年01月23日 10:53/ 0 赞/ 321 阅读