最近在做图像融合，牵扯到图像矩阵数据的处理，其中包括升维，拼接，分离取出的操作，于是参照博客numpy数组拼接方法介绍(concatenate)，把自己的测试过程分享记录一下。

已有维的拼接

import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape)		# (2, 3)
print("a:",a)

输出结果:

a: [[1 2 3][4 5 6]]

先定义一个b,与a形状相同,然后尝试拼接

b=np.array([[11,21,31],[7,8,9]])
c = np.concatenate((a,b),axis=0)
d = np.concatenate((a,b),axis=1)
print(c.shape,d.shape)	# (4, 3) (2, 6)
print("c: ",c)
print("d: ",d)

输出结果:

c:  [[ 1  2  3][ 4  5  6][11 21 31][ 7  8  9]]
d:  [[ 1  2  3 11 21 31][ 4  5  6  7  8  9]]

升维后拼接

这时候,如果直接使用e = np.concatenate((a,b),axis=2)会报错,提示没有第3维。于是，先升维。

a = np.expand_dims(a,axis=2)
print(a.shape)		# (2, 3, 1)
print(a)

输出结果：

a:  [[[1][2][3]][[4][5][6]]]

也是，先对b升维,与a形状相同,然后尝试拼接。

b = np.expand_dims(b,axis=2)
e = np.concatenate((a,b),axis=2)
print(e.shape)		# (2, 3, 2)
print("e:",e)

输出结果：

e: [[[ 1 11][ 2 21][ 3 31]][[ 4  7][ 5  8][ 6  9]]]

检验拼接是否正确

接下来，检验一下，是否可以正常取用：

a = e[:,:,0]
b = e[:,:,1]
print("a:",a)
print("b:",b)

输出结果：

a: [[1 2 3][4 5 6]]
b: [[11 21 31][ 7  8  9]]

应用场景

VIS_batch = source_imgs[start:end, :, :, 0]	# 获取数据
IR_batch = source_imgs[start:end, :, :, 1]

其中，start，end是当前批的范围，end-start=batchsize