numpy中的三维数组

Question

在Python和Numpy中尝试创建3维数组。我的问题是，与Matlab相比，尺寸的顺序是关闭的。事实上，这个命令根本没有意义。

创建矩阵：

x = np.zeros((2,3,4)) 

在我的世界这将导致2行，第3列和第4种深度尺寸并且应当表示为：

[0 0 0  [0 0 0  [0 0 0  [0 0 0 
0 0 0]  0 0 0]  0 0 0]  0 0 0] 

分隔条件上的每个深度尺寸。 相反，它是作为

[0 0 0 0  [0 0 0 0 
0 0 0 0  0 0 0 0 
0 0 0 0]  0 0 0 0] 

即，3行，4列和2种的深度尺寸。也就是说，第一个维度是“深度”。为了进一步增加这个问题，使用OpenCV导入图像的颜色维度是最后一个维度，也就是说，我将颜色信息看作深度维度。如果我只想在已知的较小三维阵列上尝试一些东西，这会使事情变得非常复杂。

我误解了一些东西吗？如果没有，为什么hecky使用这种不直观的方式处理3D维数组是非常困难的？

Answer 1

你是对的，你正在创建一个2行，3列和4深度的矩阵。 NumPy的打印矩阵Matlab的不同：

numpy的：

>>> import numpy as np 
>>> np.zeros((2,3,2)) 
array([[[ 0., 0.], 
    [ 0., 0.], 
    [ 0., 0.]], 

    [[ 0., 0.], 
    [ 0., 0.], 
    [ 0., 0.]]]) 

Matlab的

>> zeros(2, 3, 2) 
ans(:,:,1) = 
    0  0  0 
    0  0  0 
ans(:,:,2) = 
    0  0  0 
    0  0  0 

但是你计算相同的矩阵。看看Numpy for Matlab users，它会引导你将Matlab代码转换成Numpy。

---

例如，如果你正在使用OpenCV的，你可以使用numpy的考虑到OpenCV的使用BGR表示构建一个图像：

import cv2 
import numpy as np 

a = np.zeros((100, 100,3)) 
a[:,:,0] = 255 

b = np.zeros((100, 100,3)) 
b[:,:,1] = 255 

c = np.zeros((100, 200,3)) 
c[:,:,2] = 255 

img = np.vstack((c, np.hstack((a, b)))) 

cv2.imshow('image', img) 
cv2.waitKey(0) 

如果你看一看，以矩阵c你会看到它是一个100x200x3的矩阵，它正是它在图像中显示的（红色，因为我们已经将R坐标设置为255，其他两个保持为0）。

Answer 2

您已截断数组表示形式。让我们来看看完整的例子：

>>> a = np.zeros((2, 3, 4)) 
>>> a 
array([[[ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.]], 

     [[ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.]]]) 

阵列的NumPy的印刷作为单词array其次是结构，类似于嵌入式Python列表。让我们创建类似的列表：

>>> l = [[[ 0., 0., 0., 0.], 
      [ 0., 0., 0., 0.], 
      [ 0., 0., 0., 0.]], 

      [[ 0., 0., 0., 0.], 
      [ 0., 0., 0., 0.], 
      [ 0., 0., 0., 0.]]] 

>>> l 
[[[0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0]], 
[[0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0]]] 

这种化合物清单l的第一级正好有2个元素，就像阵列a（行＃）的第一个维度。这些元素中的每一个本身都有3个元素的列表，这等于a（列数）的第二维。最后，大多数嵌套列表每个都有4个元素，与第三维a（深度/颜色数）相同。

所以，你已经有了完全相同的结构（在尺寸方面）与Matlab中一样，只是以其他方式打印。

一些注意事项。

1. Matlab的存储数据逐列（ “Fortran的顺序”），而NumPy的默认存储它们逐行（ “C命令”）。这不会影响索引，但可能会影响性能。例如，在Matlab中，高效循环将在列上（例如for n = 1:10 a(:, n) end），而在NumPy中，优选遍历行（例如for n in range(10): a[n, :] - 注意n在第一位，而不是在最后）。

2. 如果用彩色图像OpenCV的工作，请记住它：

   2.1。像大多数Python库一样，以BGR格式存储图像而不是RGB。

   2.2。大多数函数在图像坐标（x, y）上工作，这与矩阵坐标（i, j）相反。