numpy.ndarray转换成队列

要将numpy.ndarray转换成队列，需要使用Python内置的queue模块中的Queue类。具体步骤如下：

1. 导入queue模块：`import queue`
2. 创建一个空队列：`q = queue.Queue()`
3. 遍历numpy.ndarray中的每个元素，将其加入队列中：`[q.put(x) for x in numpy_array]`

完整代码示例：

import numpy as np
import queue

# 创建一个numpy.ndarray
numpy_array = np.array([1, 2, 3, 4, 5])

# 创建一个空队列
q = queue.Queue()

# 将numpy数组中的元素加入队列
[q.put(x) for x in numpy_array]

# 打印队列中的元素
while not q.empty():
    print(q.get())

输出结果：

1
2
3
4
5

相关问题

import argparse import logging import re from multiprocessing import Process, Queue from pathlib import Path import numpy as np from skimage import exposure, filters from modules.config import logger from modules.volume import volume_loading_func, volume_saving_func def normalize_intensity( np_volume: np.ndarray, relative_path: Path, logger: logging.Logger ): logger.info(f"[processing start] {relative_path}") nstack = len(np_volume) stack: np.ndarray = np_volume[nstack // 2 - 16 : nstack // 2 + 16] hist_y, hist_x = exposure.histogram(stack[stack > 0]) thr = filters.threshold_otsu(stack[stack > 0]) peak_air = np.argmax(hist_y[hist_x < thr]) + hist_x[0] peak_soil = np.argmax(hist_y[hist_x > thr]) + (thr - hist_x[0]) + hist_x[0] np_volume = np_volume.astype(np.int64) for i in range(len(np_volume)): np_volume[i] = ( (np_volume[i] - peak_air).clip(0) / (peak_soil - peak_air) * 256 / 2 ) logger.info(f"[processing end] {relative_path}") return exposure.rescale_intensity( np_volume, in_range=(0, 255), out_range=(0, 255) ).astype(np.uint8) if name == "main": parser = argparse.ArgumentParser(description="Intensity Normalizer") parser.add_argument("-s", "--src", type=str, help="source directory.") parser.add_argument("-d", "--dst", type=str, help="destination directory.") parser.add_argument( "--mm_resolution", type=float, default=0.0, help="spatial resolution [mm].", ) parser.add_argument( "--depth", type=int, default=-1, help="depth of the maximum level to be explored. Defaults to unlimited.", ) args = parser.parse_args() if args.src is None: parser.print_help() exit(0) root_src_dir: Path = Path(args.src).resolve() if not root_src_dir.is_dir(): logger.error("Indicate valid virectory path.") exit() root_dst_dir = Path( args.dst or str(root_src_dir) + "_intensity_normalized" ) mm_resolution = float(args.mm_resolution) depth = int(args.depth) volume_loading_queue = Queue() volume_loading_process = Process( target=volume_loading_func, args=(root_src_dir, root_dst_dir, depth, volume_loading_queue, logger), ) volume_loading_process.start() volume_saving_queue = Queue() volume_saving_process = Process( target=volume_saving_func, args=(volume_saving_queue, logger), ) volume_saving_process.start() while True: ( volume_path, np_volume, volume_info, ) = volume_loading_queue.get() if volume_path is None: break relative_path = volume_path.relative_to(root_src_dir) np_volume = normalize_intensity(np_volume, relative_path, logger) if mm_resolution != 0: volume_info.update({"mm_resolution": mm_resolution}) while volume_saving_queue.qsize() == 1: pass dst_path = Path( root_dst_dir, re.sub(r"cb\d{3}$", "", str(relative_path)) ) volume_saving_queue.put( (dst_path, root_dst_dir, np_volume, volume_info) ) volume_saving_queue.put((None, None, None, None))完整详细的解释每一行的代码意思和作用

这段代码是一个 Python 脚本，用于对医学图像进行强度归一化处理。以下是每行代码的详细解释：

第 1 行：导入必要的模块。

第 3 行：定义一个函数 normalize_intensity，用于对给定的医学图像进行强度归一化处理。该函数接受三个参数：np_volume（一个 NumPy 数组，表示医学图像数据）、relative_path（一个 Path 对象，表示该数据在文件系统中的路径）、logger（用于记录日志的 Logger 对象）。

第 4 行：使用日志记录器输出一条日志，表示开始处理医学图像。

第 5 行：获取图像堆栈的数量 nstack。

第 6 行：将图像堆栈中居中的 16 张图像提取出来，作为参考图像，用于计算阈值。

第 7 行：使用 skimage 库中的 exposure.histogram 函数计算图像堆栈中所有非空像素的直方图 hist_y 和 hist_x。

第 8 行：使用 skimage 库中的 filters.threshold_otsu 函数计算一个全局阈值 thr。

第 9 行：计算阈值下面的像素的直方图峰值 peak_air。

第 10 行：计算阈值上面的像素的直方图峰值 peak_soil。

第 11 行：计算从阈值到图像范围最小值的距离 hist_x[0]。

第 12 行：将医学图像数据转换为 int64 类型。

第 13～17 行：循环遍历所有图像，对每个像素进行强度归一化处理，得到新的像素值。

第 18 行：使用 skimage 库中的 exposure.rescale_intensity 函数对强度归一化后的图像进行重新缩放，得到范围在 [0, 255] 内的 uint8 类型像素值。

第 19 行：使用日志记录器输出一条日志，表示完成医学图像处理。

第 20 行：返回经过强度归一化和重新缩放后的医学图像数据。

第 22～36 行：定义脚本的主函数。使用 argparse 模块解析命令行参数，获取源目录、目标目录、空间分辨率和深度等参数值。

第 37 行：如果源目录为空，则打印帮助信息并退出程序。

第 38 行：使用 pathlib 库中的 Path 类，获取源目录的绝对路径。

第 39 行：如果源目录不存在，则使用日志记录器输出一条错误信息，并退出程序。

第 40 行：使用 pathlib 库中的 Path 类，构造目标目录的路径。若目标目录为空，则默认使用源目录路径加上后缀 "_intensity_normalized"。

第 41 行：获取空间分辨率和深度参数值。

第 42 行：创建两个进程，用于对医学图像进行加载和保存。

第 44～48 行：循环遍历医学图像，调用 normalize_intensity 函数对图像进行强度归一化处理。当加载进程队列为空时，跳出循环。

第 49 行：获取该图像在源目录中的相对路径。

第 50 行：如果需要修改空间分辨率，则将该信息添加到图像的元数据中。

第 51～53 行：每当保存进程队列的大小为 1 时，等待一段时间，以防止队列溢出。

第 54～56 行：构造目标目录中的路径，删除文件名中的 cb 前缀，并将归一化后的医学图像保存到该路径中。

第 57 行：使用保存进程队列结束保存进程。