numpy中view详解

1、如何判断是否共享内存

方法一:
a = np.arange(50)
b = a.reshape((5, 10))
print (b.base is a)
方法二:
print (np.may_share_memory(a, b))
方法三:
print (b.flags['OWNDATA'])  #False -- apparently this is a view
e = np.ravel(b[:, 2])
print (e.flags['OWNDATA'])  #True -- Apparently this is a new numpy object.

2、view的用法

事实上,没有任何数据类型是固定的,主要取决于如何看待这片数据的内存区域。
在numpy.ndarray.view中,提供对内存区域不同的切割方式,来完成数据类型的转换,而无须要对数据进行额外的copy,来节约内存空间。

例如:

import numpy as np
x = np.arange(10, dtype=np.int)

print 'An integer array:', x
print 'An float array:', x.view(np.float)
输出:
An integer array: [0 1 2 3 4 5 6 7 8 9]
An float array: [  0.00000000e+000   4.94065646e-324   
   9.88131292e-324   1.48219694e-323   1.97626258e-323   
   2.47032823e-323   2.96439388e-323   3.45845952e-323
   3.95252517e-323   4.44659081e-323]
在numpy中np.int和np.float都占32bit,其将原本占4Byte的整型数作为浮点数来解析。
进一步看,

y = x.view(np.byte)
print y
print x.shape ,y.shape
输出结果为:
array([0, 0, 0, 0, 1, 0, 0, 0, 2, 0, 0, 0, 3, 0, 0, 0, 4, 0, 0, 0, 5, 0, 0,
       0, 6, 0, 0, 0, 7, 0, 0, 0, 8, 0, 0, 0, 9, 0, 0, 0], dtype=int8)
10 ,40 
其将原本10*4Byte的空间,按照1Byte来解析,即40*1Byte,y与x数据共享同一内存区域,数据是相同的,只是解析数据的方式不同而已。

对于连续解析的矩阵,我们可以对其重定形,而对于非连续的区域数据,重定形将产生错误。
例如:
>>> a = np.zeros((10, 2))
# A transpose make the array non-contiguous
>>> b = a.T
# Taking a view makes it possible to modify the shape without modiying the
# initial object.
>>> c = b.view()
>>> c.shape = (20)
AttributeError: incompatible shape for a non-contiguous array
接下来,我们看看numpy.reshape()这个函数:
对于其返回值的解释:
This will be a new view object if possible; otherwise, it will be a copy.
note:It is not always possible to change the shape of an array without copying the data. If you want an error to be raise if the data is copied, you should assign the new shape to the shape attribute of the array.
其返回值可能是一个view,或是一个copy。相应的条件为:
1、返回一个view条件:数据区域连续的时候
2、反之,则返回一个copy
如何知道其返回copy,上文note中说明,如果你要其在返回一个copy时报错的话,改对象形状改变的方式就不能使用reshape函数,而应该直接改变这个array的shape属性。如上例中,c.shape = (20),即产生了一个错误,提示你这个非连续的array。若上例的情况,你使用了c = b.view().reshape(20),此时c为b的一个copy。

当对于一个array进行非连续的slice时,再reshape。如 b = a[ : ,0].reshape(x,y),即截取a的第一列,存入b。此时print (np.may_share_memory(a, b))输出为False,因为b是a子array的一个copy。详细见下例:
a = np.arange(16).reshape(4,4)
b = a[:,0].reshape(2,2)   # a non-contiguous array, create a copy
c = a[:,0].view()         # a non-contiguous array, create a view
d = c.reshape(2,2)        # creat a copy
c.shape = (4,1)           # error incompatible shape for a non-contiguous array
f = a[0,:].reshape(2,2)   # a contiguous array, create a view
print np.may_share_memory(a,b)     # False
print np.may_share_memory(a,c)     # Ture
print np.may_share_memory(c,d)     # False
print np.may_share_memory(a,f)     # True




3、在图像处理中的应用

当需要对输入图像三个通道进行相同的处理时,使用cv2.split和cv2.merge是相当浪费资源的,因为任何一个通道的数据对处理来说都是一样的,我们可以用view来将其转换为一维矩阵后再做处理,这要不需要额外的内存开销和时间开销。
代码如下:
def createFlatView(array):
    """Return a 1D view of an array of any dimensionality."""
    flatView = array.view()
    flatView.shape = array.size
    return flatView



参考内容:
Open3D是一个用于3D数据处理的开源库,其包含了许多常用的点云可视化方法。下面让我们一起来了解一些常用的点云可视化方法。 要可视化点云,首先需要将点云读入Open3D。可以使用`o3d.io.read_point_cloud`函数从文件读取点云,也可以使用`o3d.geometry.PointCloud`类手动创建点云。例如,可以使用以下代码创建一个包含随机点的点云: ```python import open3d as o3d import numpy as np # 生成一个包含100个随机点的点云 points = np.random.rand(100, 3) # 100个点,每个点有3个坐标 pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(points) ``` 接下来,可以使用以下方法将点云可视化: 1. 使用`o3d.visualization.draw_geometries`方法可视化单个点云。 ```python import open3d as o3d import numpy as np # 生成一个包含100个随机点的点云 points = np.random.rand(100, 3) # 100个点,每个点有3个坐标 pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(points) # 可视化点云 o3d.visualization.draw_geometries([pcd]) ``` 2. 使用`o3d.visualization.Visualizer`类可视化多个点云。 ```python import open3d as o3d import numpy as np # 生成两个包含随机点的点云 points1 = np.random.rand(100, 3) # 100个点,每个点有3个坐标 pcd1 = o3d.geometry.PointCloud() pcd1.points = o3d.utility.Vector3dVector(points1) points2 = np.random.rand(50, 3) # 50个点,每个点有3个坐标 pcd2 = o3d.geometry.PointCloud() pcd2.points = o3d.utility.Vector3dVector(points2) # 创建可视化器 vis = o3d.visualization.Visualizer() vis.create_window() # 将点云添加到可视化器 vis.add_geometry(pcd1) vis.add_geometry(pcd2) # 显示场景 vis.run() # 关闭窗口 vis.destroy_window() ``` 3. 使用`o3d.visualization.draw_geometries_with_key_callbacks`方法添加交互式控件。 ```python import open3d as o3d import numpy as np # 生成一个包含100个随机点的点云 points = np.random.rand(100, 3) # 100个点,每个点有3个坐标 pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(points) # 可视化点云,并添加交互式控件 def rotate_view(vis): ctr = vis.get_view_control() ctr.rotate(10.0, 0.0) o3d.visualization.draw_geometries_with_key_callbacks([pcd], {'r': rotate_view}) ``` 在这个示例,我们使用`o3d.visualization.draw_geometries_with_key_callbacks`方法可视化一个点云,并添加了一个交互式控件,按下'r'键可以旋转视角。 除了上述方法外,Open3D还提供了许多其他的点云可视化方法,如使用不同的颜色和大小可视化点云、可视化点云的法向量、可视化点云的曲率等等。可以参考Open3D的官方文档了解更多信息。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值