我有过 int[,,,] arr = new int[5, 6, 7, 8]; // c#
arr = np.zeros((5, 6, 7, 8)) # Python 具有5 * 6 * 7 * 8单元的4d阵列。 我想把它切成c#,就像numpy那样 var mySlice = arr[2:4, 0, :2, :]; // Won't work in C#, but looking for a way to do this. return type should be int[,,] A 3d array with 2 * 1 * 2 * 8 cells.
my_slice = a
由于显示了,MPR视图,基于字典的。我用一系列的dicom文件制作了一个3D数组。我从冠状面和矢状面展示。
My 3D array includes:
- z = count of dicoms
- c = column value for every dicoms
- r = Row value for every dicoms
但我有个问题。当切片之间有一定的空间时,用这种方式生成的图像并不能显示正确的视图。因为我想不出他们之间的模拟距离!
我不知道如何计算切片之间的空间?我想在切片之间增加额外的空间。例如,如果切片之间的空间是4,我必须添加4倍z内部切片。
我希望能达到我的意思
我在打印numpy 3D矩阵中的列时遇到了问题。以下是问题的简化版本:
import numpy as np
Matrix = np.zeros(((10,9,3))) # Creates a 10 x 9 x 3 3D matrix
Matrix[2][2][6] = 578
# I want to print Matrix[2][x][6] for x in range(9)
# the purpose of this is that I want to get all the Values in Matrix[2][x][6]
如果你们能帮我的话我很感激。提前谢谢。
我制作了一个三维数组,由数字(0~4)组成。我想要的是将3D数组保存为一堆2D图像(如果可能,保存*.tiff文件)。我该怎么做?
import numpy as np
a = np.random.randint(0,5, size=(100,100,100))
a = a.astype('int8')
我有一个熊猫系列,我想根据切片索引列表进行切片。使用列表理解非常容易,例如
slizes = [[0,1,2],[4,5,6],[7,8,9]]
series = pd.Series(["a","b","c","d","e","f","g","h","i"])
[series.iloc[slize] for slize in slizes] #[["a","b","c"],["d",
我有一个整数数组。
data = [10,20,30,40,50,60,70,80,90,100]
我想从数组中提取一系列整数,并得到一个更小的数组。
data_extracted = [20,30,40]
我试过numpy.take了。
data = [10,20,30,40,50,60,70,80,90,100]
start = 1 # index of starting data entry (20)
end = 3 # index of ending data entry (40)
data_extracted = np.take(data,[start:end])
我
如何在3d轴上绘制imshow()图像?我试着用这个。在那篇文章中,曲面图看起来和imshow()图一样,但实际上不是。为了演示,这里我采用了不同的数据:
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
# create a 21 x 21 vertex mesh
xx, yy = np.meshgrid(np.linspace(0,1,21), np.linspace(0,1,21))
# create vertices for a rotated mes
作为我正在处理的CNN的输入,我想使用一系列图像(在卷积层中进行3D卷积)。
但是,我已经无法将图像读取为可以用于计算的3D张量。
这是我的原始尝试:
def get_sequence_as_tensor(folder):
images = [folder + "/depth-%i.png" for i in range(15)]
tensor = tf.zeros(shape=(480, 640, 15), dtype=tf.float32)
for i, image in enumerate(images):
img = tf.im
我已经从这里下载了一个示例.stl文件:
然后,我使用以下代码获取numpy数组,以便使用matplotlib进行进一步的图像处理:
import numpy as np
from stl import mesh
np.set_printoptions(threshold=np.nan)
# Using an existing stl file:
your_mesh = mesh.Mesh.from_file('300_polygon_sphere_100mm.stl')
data = np.array(your_mesh)
print(data.shape)
不幸的是,
我正在运行这段代码,它以数组的形式输出图像的值,但是对于RGB和Alpha这四个值,我如何删除最后一个值,使其只处理RGB im。
from PIL import Image, ImageFilter
import numpy as np
ImageLocation = Image.open("images/numbers/0.1.png")
#Creates an Array [3d] of the image for the colours
ImageArray = np.asarray(ImageLocation)
print(ImageArray)
这是我对每个像
我读过关于切片的numpy文档(特别是讨论变量数组索引的底部)
但我仍然不确定如何做以下工作:编写一个方法,返回一组3D索引,或者一组4D索引,然后用于访问数组。我想为基类编写一个方法,但是从它派生的类可以访问3D或4D,这取决于实例化了哪个派生类。
演示思想的示例代码:将numpy导入为np
a = np.ones([2,2,2,2])
size = np.shape(a)
print(size)
for i in range(size[0]):
for j in range(size[1]):
for k in range(size[2]):
for p in r
我有一些python代码,它目前与二维数组硬连接在一起,如下所示:
import numpy as np
data = np.random.rand(5, 5)
width = 3
for y in range(0, data.shape[1] - W + 1):
for x in range(0, data.shape[0] - W + 1):
block = data[x:x+W, y:y+W]
# Do something with this block
现在,这对于二维数组是硬编码的,我想将其扩展到3D和4D数组。当然,我可以为其他维度编写更多