我正在尝试将巨大的5D HD 5图像（使用h5 py读取）转换为可以被Napari读取的数组。然而，我只能提取它的3D堆栈（Z，X，Y），所以我必须在通道和时间上进行切换，并将所有4D数组合并组合成5D数组。然而，每个时间点大约需要1分钟，因此使用我当前的代码，每个数据文件可能需要一个多小时。
目前，我正在将每个通道的所有数组追加到一个列表中，将列表转换为数组，然后存储在另一个列表中。在遍历所有时间点后，我将列表转换为数组。我尝试先将所有数组追加到一个列表中，然后再转换为数组，我试着堆叠数组，但似乎都很慢。2有什么想法可以更快地加速和/或更快地将多通道图像转换为数组吗？谢谢你，谢谢
combined_list = []
for i in timepoints:
im = file.get('DataSet')
res0 = im.get('ResolutionLevel 0')
data = res0.get('TimePoint '+ str(i))
auto = data.get('Channel 0')
stack1 = auto.get('Data')
auto = data.get('Channel 0')
stack2 = auto.get('Data')
combined_stack = np.asarray([stack1,stack2])
combined_list.append(combined_stack)
image = np.asarray(combined_list)字符串
作为参考，图像约为（60，3，48，2048，5888）（TCZYX）
1条答案
按热度按时间sycxhyv71#
您正在进行大量的数据操作：1）将数组追加到列表中，2）将列表转换为数组，3）存储到另一个列表中，4）最后将第二个列表转换为数组。我有99%的把握，这会导致性能问题。请改为创建目标
image数组（作为一个适当大小的空数组），然后直接读取和加载数据到它。这样更简单，更快。“我只能提取它的3D堆栈（Z，X，Y）"是什么意思？h5 py数据集可以使用NumPy表示法进行切片，因此切片和堆栈所需的数据应该“相对容易”（如果您了解该模式）。
鉴于你的帖子缺乏细节，我需要更多的信息来写答案。请记录H5文件的模式。或者像@dankal444所说的，提供一个具有类似模式的最小的、可重复的示例。
我试图创建一个示例文件来模仿你的代码，但无法从你的代码中推断出模式。请参阅下面的注解：
这是有道理的：
字符串
它读取名为“DataSet”的H5数据集，并以数组
im的形式返回：im的数据类型和形状是什么？你想用这条线做什么？
型
它是应用了numpy数组的字典
.get()语法（无效）：.get()语法继续使用data、auto和stack1/stack2型
最后，看起来
stack1和stack2引用了相同的对象--这是一个拼写错误吗？