核心4D图像tif存储为hdf5 python

我有27GB的2D Tiff文件,它们代表3D图像电影的片段.我希望能够像分割一个简单的numpy4d数组一样对这些数据进行切片.看起来dask.array是一个很好的工具,用于将数组作为hdf5文件存储在内存中后进行干净的处理.

如果这些文件不能全部放入内存,我该如何首先将它们存储为hdf5文件.我是h5.py和数据库的新手.

谢谢.

解决方法:

编辑：使用dask.array的imread函数

从0.7.0版开始,您无需将图像存储在HDF5中.直接使用imread函数：

In [1]: from skimage.io import imread

In [2]: im = imread('foo.1.tiff')

In [3]: im.shape
Out[3]: (5, 5, 3)

In [4]: ls foo.*.tiff
foo.1.tiff  foo.2.tiff  foo.3.tiff  foo.4.tiff

In [5]: from dask.array.image import imread

In [6]: im = imread('foo.*.tiff')

In [7]: im.shape
Out[7]: (4, 5, 5, 3)

将图片存储到HDF5的较早答案

数据提取通常是最棘手的问题. Dask.array没有与图像文件的任何自动集成(尽管如果有足够的兴趣,这是完全可行的.)幸运的是,将数据移至h5py很容易,因为h5py支持numpy切片语法.在以下示例中,我们将创建一个空的h5py数据集,然后在for循环中将四个小tiff文件存储到该数据集中.

首先,我们获得图像的文件名(请原谅玩具数据集.我周围没有任何现实的东西.)

In [1]: from glob import glob
In [2]: filenames = sorted(glob('foo.*.tiff'))
In [3]: filenames
Out[3]: ['foo.1.tiff', 'foo.2.tiff', 'foo.3.tiff', 'foo.4.tiff']

加载并检查样本图像

In [4]: from skimage.io import imread
In [5]: im = imread(filenames[0])  # a sample image
In [6]: im.shape  # tiny image
Out[6]: (5, 5, 3)
In [7]: im.dtype
Out[7]: dtype('int8')

现在,我们将在该文件中创建一个HDF5文件和一个名为’/ x’的HDF5数据集.

In [8]: import h5py
In [9]: f = h5py.File('myfile.hdf5')  # make an hdf5 file
In [10]: out = f.require_dataset('/x', shape=(len(filenames), 5, 5, 3), dtype=im.dtype)

太好了,现在我们可以一次将图像插入HDF5数据集.

In [11]: for i, fn in enumerate(filenames):
   ....:     im = imread(fn)
   ....:     out[i, :, :, :] = im

此时dask.array可以愉快地结束

In [12]: import dask.array as da
In [13]: x = da.from_array(out, chunks=(1, 5, 5, 3))  # treat each image as a single chunk
In [14]: x[::2, :, :, 0].mean()
Out[14]: dask.array<x_3, shape=(), chunks=(), dtype=float64>

如果您希望看到更多对图像堆栈的本机支持,那么我建议您使用raise an issue.直接从tiff文件堆栈中使用dask.array是非常容易的,而无需通过HDF5.

标签：dask,h5py,python
来源： https://codeday.me/bug/20191028/1948984.html