用插值重采样numpy数组
用插值重采样numpy数组
提问于 2020-02-06 19:39:12
我正在处理Python中的5个图像，这些图像已导入为numpy数组，并具有以下形状：
for i in range(len(S_images)):
print(S_images[i].shape)
(1, 1524, 5500)
(1, 1524, 5499)
(1, 1524, 5500)
(1, 1524, 5499)
(1, 1525, 5499)我的目标是使用S_stack = np.stack(S_images)将它们堆叠在一起，但当然，由于形状的差异，我得到了错误：
ValueError: all input arrays must have the same shape我想要的是将数组重采样为常见形状(例如，(1, 1524, 5500))，同时选择一种重采样方法，如最近邻。
在找以前的论坛问答时，我看到过使用scipy.ndimage.zoom，但这通常是用来升级或降级的常规数据。在我的例子中，我只需要匹配的形状来允许堆栈。有什么建议吗？
例如，是否可以选择一个主数组并将其用作参考，其中所有其他数组都必须与其形状匹配，如果不是，将应用使用NN的重采样方法？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-02-06 20:05:32
我想出了一个解决方案，但我想知道从技术/科学的角度看它是否正确。这是解决我问题的好方法吗？实际上，它是在做我想做的事情...
for i in range(len(S_images)):
if S_images[i].shape[1] !=1524:
S_images[i] = scipy.ndimage.zoom(S_images[i], (1, 1524/1525, 1),order=0, mode='nearest')
for i in range(len(S_images)):
if S_images[i].shape[2] !=5499:
S_images[i] = scipy.ndimage.zoom(S_images[i], (1, 1, 5499/5500 ),order=0, mode='nearest')
for i in range(len(S_images)):
print(S_images[i].shape)
(1, 1524, 5499)
(1, 1524, 5499)
(1, 1524, 5499)
(1, 1524, 5499)
(1, 1524, 5499)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60094127
复制相关文章
相似问题
腾讯云开发者
