- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在 PyQt4 中有一个简单的查看器,在从 numpy 数组(8 位灰度)转换为 QImage 进行显示时,我遇到了一些奇怪的行为。在我看来,当我尝试从转置数组构建 QImage 时,似乎有些事情变得一团糟,即使内存顺序应该已经更新(即它不仅仅是一个具有不同步幅的 View )。
下面是查看器的大幅缩减版本:
import numpy as np
from PyQt4 import QtGui
class SimpleViewer(QtGui.QMainWindow):
def __init__(self, data, parent=None):
super(SimpleViewer, self).__init__(parent=parent)
hgt, wid = data.shape
dmin = data.min()
dmax = data.max()
bdata = ((data - dmin)/(dmax - dmin)*255).astype(np.uint8)
img = QtGui.QImage(bdata, wid, hgt, QtGui.QImage.Format_Indexed8)
self.scene = QtGui.QGraphicsScene(0, 0, wid, hgt)
self.px = self.scene.addPixmap(QtGui.QPixmap.fromImage(img))
self.view = QtGui.QGraphicsView(self.scene)
self.setCentralWidget(self.view)
if __name__ == "__main__":
app = QtGui.QApplication.instance()
if app is None:
app = QtGui.QApplication(['python'])
xx, yy = np.meshgrid(np.arange(-100,100), np.arange(350))
zz = xx * np.cos(yy/350.*6*np.pi)
viewer = SimpleViewer(zz)
viewer.show()
app.exec_()
现在,按原样产生这样的东西,这很好:
但是,我需要查看我的真实图像,第一维为“x”,第二维为“y”,因此需要转置(加上 y 翻转,所以原点在左下角,但这是不在此范围内)。
如果我将 hgt, wid = data.shape
更改为 wid, hgt = data.shape
并且什么都不做(这是错误的),我会得到以下结果。这是有道理的,因为 QImage 只是在读取内存。
但是,如果我也传入bdata.T.copy()
而不是bdata
,我希望数组将被转置并且内存通过复制操作重新排序。但我得到的是:
它非常接近,但由于某种原因只差了一根头发。另外,我注意到如果尺寸恰好是彼此的整数倍(例如 200x100),那么它就可以了。到底是怎么回事? 我是不是错过了一些非常愚蠢的事情?
我不知道这是 PyQt 问题还是 numpy 问题……转置数组使用 matplotlib 可以很好地绘图,但 matplotlib 处理跨步,所以这可能没有任何意义。
我在 Python 2.7 和 Python 3.5 中得到相同的行为。 PyQt4版本为4.11.4,使用Qt版本4.8.7。 Numpy 版本为 1.10.1。
最佳答案
问题源于 QImage
的创建。
img = QtGui.QImage(bdata, wid, hgt, QtGui.QImage.Format_Indexed8)
documentation对于您正在使用的构造函数的签名,
... data must be 32-bit aligned, and each scanline of data in the image must also be 32-bit aligned.
如果您更改数组的维度以使其为 32 位对齐(例如使用 xx, yy = np.meshgrid(np.arange(-128,128), np.arange(384))
) 那么你的代码就可以正常工作了。
要在不需要每行 32 字节的倍数的情况下更正此问题,您需要稍微使用 different constructor对于 QImage
:
QImage(data, width, height, bytesPerLine, format)
在您的情况下,这很简单:
img = QtGui.QImage(bdata, wid, hgt, wid, QtGui.QImage.Format_Indexed8)
因为每个像素包含 1 个字节的信息。
关于python - 将 numpy 数组转换为 QImage 时的内存顺序行为问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38107493/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!