在numpy中附加3d数组

Question

我正在尝试在图像中找到占主导地位的颜色，然后将最占主导地位的颜色变为阈值。 但是我在处理数据类型时遇到了麻烦。 我的公式给出了最主要的颜色为：

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

但是当我尝试将其转换时，它会给出断言错误：

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

cv2.cvtColor想要作为输入的是：

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，但是知道我无法将多种颜色附加到numpy数组。以某种方式，将尺寸附加为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解决这个问题？ 我很惊讶操纵自定义彩色像素有多困难。

如果有帮助，请参见完整的代码：

<!-- 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)

Answer 1

没有cv2代码，我在这里猜测形状。 但是看起来img是一个(n,m,3)数组。 img_list是(m1,3) ， clt是m1项的列表， clt.cluster_centers_是形状为(3,)的m1数组的列表。

为了测试起见，让我们列出一个列表（也可以是数组列表）：

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)

只需将其包装在np.array ，然后重塑为3d即可。

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

或者可以将其重塑为（1,4,3）或（2,2,3）。

或更接近您正在尝试的：

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

您不希望在这里使用atleast_3d ，因为它将（N，）数组重塑为（1，N，1）（请参阅其文档）。 np.concatenate在第一个轴上进行连接，其中np.array添加第一个维，然后进行连接。

您可能可以append工作，但是它只是一步一步进行串联，因此速度较慢。 通常，如果需要附加，请使用列表进行添加，然后在末尾转换为数组。

---

切片后，有多种保存或恢复尺寸的方法。 如果color是3d，并且您需要将第i行也设为3d：

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

重塑这样的操作不会增加处理时间，因此不要害怕使用它们。