如何在python/numpy中对多维数组进行切片以选择特定的行、列和深度？

Question

我试图把我的MATLAB代码转换成python，但是我遇到了一些问题。这段代码是用来从图片中分割字母的。在

以下是MATLAB中的全部代码：

he = imread('r.jpg');
imshow(he);
%C = makecform(type) creates the color transformation structure C that defines the color space conversion specified by type.
cform = makecform('srgb2lab'); 
%To perform the transformation, pass the color transformation structure as an argument to the applycform function.
lab_he = applycform(he,cform);
%convert to double precision 
ab = double(lab_he(:,:,2:3));
%size of dimension in 2D array
nrows = size(ab,1);
ncols = size(ab,2);

%B = reshape(A,sz1,...,szN) reshapes A into a sz1-by-...-by-szN array where
%sz1,...,szN indicates the size of each dimension. You can specify a single
% dimension size of [] to have the dimension size automatically calculated,
% such that the number of elements in B matches the number of elements in A.
% For example, if A is a 10-by-10 matrix, then reshape(A,2,2,[]) reshapes
% the 100 elements of A into a 2-by-2-by-25 array.
ab = reshape(ab,nrows*ncols,2);

% repeat the clustering 3 times to avoid local minima
nColors = 3;

[cluster_idx, cluster_center] = kmeans(ab,nColors,'distance','sqEuclidean', ...
                                      'Replicates',3);
pixel_labels = reshape(cluster_idx,nrows,ncols);
imshow(pixel_labels,[]), title('image labeled by cluster index');
segmented_images = cell(1,3);
rgb_label = repmat(pixel_labels,[1 1 3]);

for k = 1:nColors
    color = he;
    color(rgb_label ~= k) = 0;
    segmented_images{k} = color;
end

figure,imshow(segmented_images{1}), title('objects in cluster 1');
figure,imshow(segmented_images{2}), title('objects in cluster 2');
figure,imshow(segmented_images{3}), title('objects in cluster 3');

mean_cluster_value = mean(cluster_center,2);
[tmp, idx] = sort(mean_cluster_value);
blue_cluster_num = idx(1);

L = lab_he(:,:,1);
blue_idx = find(pixel_labels == blue_cluster_num);
L_blue = L(blue_idx);
is_light_blue = im2bw(L_blue,graythresh(L_blue));

% target_labels = repmat(uint8(0),[nrows ncols]);
% target_labels(blue_idx(is_light_blue==false)) = 1;
% target_labels = repmat(target_labels,[1 1 3]);
% blue_target = he;
% blue_target(target_labels ~= 1) = 0;
% figure,imshow(blue_target), title('blue');

到目前为止，我在Python中得到的结果如下：

^{pr2}$

现在我要讨论的是，在Matlab代码中，我有lab_he（：，：，2:3），这意味着深度2和深度3的所有行和列。但是，当我试图在Python中复制img2a=img2.shape[2][1:2]时，它不起作用，也没有意义。请帮忙。在

Answer 1

我必须在特定深度重塑数组，并编写了一个小递归函数来实现这一点：

def recursive_array_cutting(tab, depth, i, min, max):

    if(i==depth):
        tab = tab[min:max]
        return tab

    temp_list = []
    nb_subtab = len(tab)

    for index in range(nb_subtab):

        temp_list.append(recursive_array_cutting(tab[index], depth, i+1, min, max))

    return np.asanyarray(temp_list)

它允许获取特定深度的最小值和最大值之间的所有数组/值，例如，如果您有一个（3，4）tab=[[0，1，2，3]，[0，1，2，3]，[0，1，2，3]]并且只需要最深数组的最后两个值，您可以这样调用：tab=recursive_array_cutting（tab，1，0，0，2）得到输出：[[0 1][0 1][0 1]]。在

如果你有一个更复杂的数组，像这样tab=[[[[[[0，1，2，2，3]，[1，1，2，3]，[2，1，2，3]，[[0，1，2，2，3]，[1，1，2，2，3]，[2，1，2，3]，[[0，1，1，2，3]，[1，1，2，3，3]，[2，1，1，2，3，3]]]]]（3，3，4）并且想要一个（3，2，4）阵列阵列阵列（3，3，3，4）阵列，想要一个（3，2，3，4）阵列阵列阵列，您可以这样调用这样的方式：tab=递归[tab=递归[1，递归[1，1得到这个output，去掉深度1中的最后一个维度。在

这样的功能肯定存在于numpy中，但我没有找到它。在