基于 2-D 元素有效地将 numpy ndarray 从 2-D 重塑为 3-D

Question

我正在使用包含图像数据的 DICOM 文件。我正在使用 pydicom 从 .DCM 文件读取元数据。现在，从 .DCM 文件中提取的像素数据以二维 numpy ndarray 的形式返回。
我正在使用的特定 DICOM 文件为每个像素保存一个强度值。在对它们执行一些操作后，我最终得到二维 ndarray 中每个像素的单个浮点值（在 0.0 和 1.0 之间）：

[

<块引用>

[ 0.98788927, 0.98788927 0.98788927, ..., 0.88062284 0.89532872 0.87629758],
[ 0.98788927, 0.98788927, 0.98788927, ..., 0.8884083, 0.89446367, 0.87889273],
[0.98788927、0.98788927、0.98788927、...、0.89100346、0.89532872、0.87629758]，
,...,
[0.97491349、0.97491349、0.97491349、...、0.74480969、0.72318339、0.73269896]，
[0.97491349、0.97491349、0.97491349、...、0.74913495、0.74480969、0.74740484]，
[ 0.97491349, 0.97491349, 0.97491349, ..., 0.74913495 0.75865052, 0.75086505],

]

我想将其转换为 numpy 的 3-D ndarray，方法是将每个元素替换为元素序列 [R, G, B]，其中R=G=B=强度值。

ndarray.put() 函数将矩阵展平，从而排除了该方法。

我也尝试过：

for x in range( len(a[0]) ):
  for y in range( len(a) ):
    a[x][y] = [ a[x][y], a[x][y], a[x][y] ]

但是得到

ValueError: setting an array element with a sequence.   

建议吗？我试图使数据操作尽可能简单，因为其中一些图像很大，所以我想避免黑客/手动将所有数据复制到单独的变量中。

预先感谢您的任何帮助。

Answer 1

当然，您想要的是形状为 mxnx r 的数组，其中 r 是元组大小。

实现此目的的一种方法（在我看来是最简单的）是：(i) 显式创建一个 3D 网格数组，与原始 2D 数组相同，除了添加最后一个维度 r，其中已添加，然后； (ii) 将您的 RGB 元组映射到此网格上。

>>> # first, generate some fake data:
>>> m, n = 5, 4            # rows & cols, represents dimensions of original image
>>> D = NP.random.randint(0, 10, m*n).reshape(m, n)
>>> D
    array([[8, 2, 2, 1],
           [7, 5, 0, 9],
           [2, 2, 9, 3],
           [5, 7, 3, 0],
           [5, 8, 1, 7]])

现在创建网格数组：

>>> G = NP.zeros((m, n, r), dtype='uint')

将 G 视为一个 mx n 矩形网格（与 D 相同），但 20 个单元格中的每一个存储的不是整数（如 D）而是 rgb 元组，因此：

>>> # placing the color pixel (209, 127, 87) at location 3,2:
>>> G[3,2] = (209, 124, 87)

要理解这种构造，您可以通过查看 G 的三个连续切片来查看网格 G 中的 rgb 元组：

>>> G[:,:,0]      # red
>>> array([[  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0, 209,   0,   0],
           [  0,   0,   0,   0,   0]], dtype=uint8)

>>> G[:,:,1]    # green
>>> array([[  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0,   0,   0,   0],
           [  0,   0, 124,   0,   0],
           [  0,   0,   0,   0,   0]], dtype=uint8)

>>> G[:,:,2]   # blue
>>> array([[ 0,  0,  0,  0,  0],
           [ 0,  0,  0,  0,  0],
           [ 0,  0,  0,  0,  0],
           [ 0,  0, 87,  0,  0],
           [ 0,  0,  0,  0,  0]], dtype=uint8)

现在要真正获得您想要的结果，我们只需要 (i) 创建一个网格 G , 一个3D NumPy 数组，其前两个维度取自 .DCM 文件中存储的数组，第三个维度为 三，取自 rgb 元组的长度；然后 (ii) 将 RGB 元组映射到该网格 G 上。

>>> # create the Grid
>>> G = NP.zeros((m, n, r), dtype='uint')
>>> # now from the container that holds your rgb tuples, create *three* m x n arrays, 
>>> # one for each item in your rgb tuples

>>> # now just map the r values (1st itm in each rgb tuple) to the 3D grid
>>> G[:,:,0] = r_vals
>>> G[:,:,1] = g_vals
>>> G[:,:,2] = b_vals

>>> G.shape
    (5, 4, 3)