在Python中将矩阵列表转换为仅一个2D矩阵

Question

我有一个3960矩阵的列表，它只是3960图像的SIFT描述符。 据推测，这将导致矩阵列表的行数未知（当然，行数取决于图像）和128列（来自SIFT描述符）。 我试图将此列表仅放在一个2D矩阵中，行数是这些矩阵和128列的行数的总和，但是，我无法做到这一点。 这是我的代码：

sift_keypoints = []

#read images from a text file
with open(file_images) as f:
    images_names = f.readlines()
    images_names = [a.strip() for a in images_names]

    for line in images_names:
        print(line)
        #read image
        image = cv2.imread(line,1)
        #Convert to grayscale
        image =cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
        #SIFT extraction
        sift = cv2.xfeatures2d.SIFT_create()
        kp, descriptors = sift.detectAndCompute(image,None)
        #appending sift keypoints to a list
        sift_keypoints.append(descriptors)

        #here is what I've tried
        sift_keypoints = np.asmatrix(np.asarray(sift_keypoints))

根据此代码，sift_keypoints的形状为（1,3960），这当然不是我想要的。 如何在二维numpy数组中转换此列表？

编辑一个说明我的问题的简单示例是以下代码中的一个

#how to convert this list to a matrix with shape (412,128)?
import numpy as np
x=np.zeros((256,128))
y=np.zeros((156,128))
list=[]
list.append(x)
list.append(y)

Answer 1

使用np.row_stack解决方案

假设l是您的形状为(n, 128)的Numpy数组的列表。

假设m是总行数：对象是堆叠所有对象并创建形状为(m, 128)的矩阵。

我们可以使用Numpy的row_stack进行以下row_stack ：

result = np.row_stack(l)

Answer 2

使用np.concatenate ：

>>> from pprint import pprint
>>> import numpy as np
>>> 
>>> a = [np.full((2, 3), i) for i in range(3)]
>>> pprint(a)
[array([[0, 0, 0],
       [0, 0, 0]]),
 array([[1, 1, 1],
       [1, 1, 1]]),
 array([[2, 2, 2],                                                                                                  
       [2, 2, 2]])]                                                                                                 
>>> np.concatenate(a, axis=0)                                                                                       
array([[0, 0, 0],                                                                                                   
       [0, 0, 0],                                                                                                   
       [1, 1, 1],                                                                                                   
       [1, 1, 1],                                                                                                   
       [2, 2, 2],                                                                                                   
       [2, 2, 2]])