numpy数组形状中图像数据的维度顺序是什么？

Question

我正在使用nibabel库从nii文件加载数据。我在http://nipy.org/nibabel/gettingstarted.html阅读了lib的文档，发现

This information is available without the need to load anything of the main image data into the memory. Of course there is also access to the image data as a NumPy array

这是我的代码来加载数据

import nibabel as nib
img = nib.load('example.nii')
data = img.get_data()
data = np.squeeze(data)
data = np.copy(data, order="C")
print data.shape

我得到了结果

128, 128, 64

数据形状的顺序是什么？是不是WidthxHeightxDepth？我的输入必须按depth, height, width排列。所以我会用input=data.transpose(2,0,1)。对吗？谢谢大家

更新：我发现Numpy将按顺序读取图像Height x Width x Depth作为引用http://www.python-course.eu/images/axis.jpeg

Answer 1

好吧，这是我的看法：

使用scipy.ndimage.imread('img.jpg', mode='RGB')，结果数组将始终具有以下顺序：(H, W, D)，即（高度、宽度、深度），因为numpy使用ndarrays的术语(axis=0, axis=1, axis=2)，或者类似的(Y, X, Z)，如果您想在三维中可视化的话。

# read image
In [21]: img = scipy.ndimage.imread('suza.jpg', mode='RGB')

# image shape as (H, W, D)
In [22]: img.shape
Out[22]: (634, 1366, 3)

# transpose to shape as (D, H, W)
In [23]: tr_img = img.transpose((-1, 0, 1))    

In [23]: tr_img.shape
Out[23]: (3, 634, 1366)

---

如果你把img_形状看作一个元组

#  index    (0,   1,    2)
img_shape = (634, 1366, 3)
# or index  (-3,  -2,  -1)

选择哪一个对你来说是一种方便的记忆方式。

---

PS：还应该注意，像tensorflow这样的库也（几乎）遵循与numpy相同的约定。

tf.image_decode_jpeg()返回：

A Tensor of type uint8. 3-D with shape [height, width, channels]