最近在做图像融合，牵扯到图像矩阵数据的处理，其中包括升维，拼接，分离取出的操作，于是参照博客numpy数组拼接方法介绍(concatenate)，把自己的测试过程分享记录一下。
已有维的拼接import numpy as np
a=np.array([[1,2,3],[4,5,6]])
print(a.shape) # (2, 3)
print("a:",a)
输出结果:
a: [[1 2 3] [4 5 6]]
先定义一个b,与a形状相同,然后尝试拼接
b=np.array([[11,21,31],[7,8,9]])
c = np.concatenate((a,b),axis=0)
d = np.concatenate((a,b),axis=1)
print(c.shape,d.shape) # (4, 3) (2, 6)
print("c: ",c)
print("d: ",d)
输出结果:
c: [[ 1 2 3] [ 4 5 6] [11 21 31] [ 7 8 9]] d: [[ 1 2 3 11 21 31] [ 4 5 6 7 8 9]]升维后拼接
这时候,如果直接使用e = np.concatenate((a,b),axis=2)会报错,提示没有第3维。于是，先升维。
a = np.expand_dims(a,axis=2) print(a.shape) # (2, 3, 1) print(a)
输出结果：
a: [[[1] [2] [3]] [[4] [5] [6]]]
也是，先对b升维,与a形状相同,然后尝试拼接。
b = np.expand_dims(b,axis=2)
e = np.concatenate((a,b),axis=2)
print(e.shape) # (2, 3, 2)
print("e:",e)
输出结果：
e: [[[ 1 11] [ 2 21] [ 3 31]] [[ 4 7] [ 5 8] [ 6 9]]]检验拼接是否正确
接下来，检验一下，是否可以正常取用：
a = e[:,:,0]
b = e[:,:,1]
print("a:",a)
print("b:",b)
输出结果：
a: [[1 2 3] [4 5 6]] b: [[11 21 31] [ 7 8 9]]应用场景
VIS_batch = source_imgs[start:end, :, :, 0] # 获取数据 IR_batch = source_imgs[start:end, :, :, 1]
其中，start，end是当前批的范围，end-start=batchsize
