在Python中將矩陣列表轉換為僅一個2D矩陣

Question

我有一個3960矩陣的列表，它只是3960圖像的SIFT描述符。 據推測，這將導致矩陣列表的行數未知（當然，行數取決於圖像）和128列（來自SIFT描述符）。 我試圖將此列表僅放在一個2D矩陣中，行數是這些矩陣和128列的行數的總和，但是，我無法做到這一點。 這是我的代碼：

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))

根據此代碼，sift_keypoints的形狀為（1,3960），這當然不是我想要的。 如何在二維numpy數組中轉換此列表？

編輯一個說明我的問題的簡單示例是以下代碼中的一個

#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解決方案

假設l是您的形狀為(n, 128)的Numpy數組的列表。

假設m是總行數：對象是堆疊所有對象並創建形狀為(m, 128)的矩陣。

我們可以使用Numpy的row_stack進行以下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]])