加速将巨大的4D数组转换为5D数组（转换5D多维图像）

Question

我正在尝试将巨大的 5D HD5 图像（使用 h5py 读取）转换为 Napari 可以读取的数组。但是，我只能提取它的 3D 堆栈（Z、X、Y），因此我必须迭代通道和时间，并将所有 4D 数组组合成 5D 数组。但是，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，我将每个通道的所有数组附加到一个列表中，将列表转换为数组，然后存储在另一个列表中。检查完所有时间点后，我将列表转换为数组。我尝试先将所有内容附加到列表中，然后转换为数组，尝试一边堆叠数组，但似乎都非常慢。关于如何加快速度和/或更快地将多通道图像转换为数组有什么想法吗？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)

供参考，图像约为 (60,3,48, 2048, 5888) (TCZYX)

Answer 1

您正在进行大量数据操作：1）将数组附加到列表中，2）将列表转换为数组，3）存储在另一个列表中，4）最后将第二个列表转换为数组。我 99% 确信这会导致性能问题。相反，创建目标

image

数组（作为适当大小的空数组），然后直接读取数据并将数据加载到其中。如此简单快捷。

“我只能提取它的 3D 堆栈 (Z,X,Y)”是什么意思？ h5py 数据集可以使用 NumPy 表示法进行切片，因此切片和堆叠您想要的数据应该“相对容易”（如果您了解架构）。

鉴于您的帖子中缺乏详细信息，我需要更多信息来撰写答案。请记录 H5 文件架构。或者正如 @dankal444 所说，提供一个具有类似模式的最小的、可重现的示例。

我尝试创建一个示例文件来模仿您的文件，但无法从您的代码中推断出架构。请参阅下面的评论：

这是有道理的：

im = file.get('DataSet') 它读取名为“DataSet”的 H5 数据集并以数组形式返回

im

：

im

的dtype和形状是什么？

你想用这条线做什么？

res0 = im.get('ResolutionLevel 0') 它是字典

.get()

语法应用了numpy数组（这是无效的）：

.get()

语法继续为

data

、

auto

和

stack1/stack2

data = res0.get('TimePoint '+ str(i))
auto = data.get('Channel 0')
stack1 = auto.get('Data')
auto = data.get('Channel 0')
stack2 = auto.get('Data')

最后，看起来

stack1

 和 

stack2

 引用了相同的对象 - 这是拼写错误吗？