如何用NumPy拼接不同形状的3D数组得到指定4D数组？

问题原因分析 #

你用np.append得到一维数组的核心原因是：np.append默认会将所有输入数组扁平化后再拼接，完全忽略原始数组的维度结构，最终得到的自然是一个一维长数组，不符合4D数组的需求。

另外，你的原始图像数组形状各不相同（比如第一个维度有9、8、6、4，后两个维度也存在差异），直接拼接本身就无法得到结构统一的4D数组，必须先将所有图像统一到目标形状(9,57,54)，再进行合并。

解决方案：先统一图像形状，再合并 #

要得到(9,9,57,54)的4D数组（9个样本，每个样本为9×57×54的3D数组），需要分两步执行：

1. 将每个3D图像重采样/resize到目标形状(9,57,54)
2. 把所有统一形状后的数组合并为4D数组

方法一：用SimpleITK重采样（推荐用于医学图像） #

医学图像的物理空间信息（间距、原点、方向）至关重要，用SimpleITK的重采样工具可以保留这些信息，避免空间错位：

import numpy as np
import SimpleITK as sitk

def resample_image(sitk_image, target_size):
    """将SimpleITK图像重采样到目标尺寸"""
    original_size = sitk_image.GetSize()
    original_spacing = sitk_image.GetSpacing()
    
    # 计算新的间距，保持物理空间范围一致
    new_spacing = [
        (original_size[i] * original_spacing[i]) / target_size[i]
        for i in range(3)
    ]
    
    resampler = sitk.ResampleImageFilter()
    resampler.SetSize(target_size)
    resampler.SetOutputSpacing(new_spacing)
    resampler.SetOutputDirection(sitk_image.GetDirection())
    resampler.SetOutputOrigin(sitk_image.GetOrigin())
    resampler.SetTransform(sitk.Transform())
    resampler.SetDefaultPixelValue(sitk_image.GetPixelIDValue())
    resampler.SetInterpolator(sitk.sitkLinear)  # 线性插值适合医学图像
    
    return resampler.Execute(sitk_image)

# 定义目标参数：数组形状为(深度, 高度, 宽度)，对应SimpleITK的尺寸顺序为(宽度, 高度, 深度)
target_array_shape = (9, 57, 54)
target_sitk_size = (target_array_shape[2], target_array_shape[1], target_array_shape[0])

processed_images = []
for item in images:
    img_org = nii_reader(item)
    # 重采样到目标尺寸
    resampled_img = resample_image(img_org, target_sitk_size)
    # 转换为numpy数组
    img_array = sitk.GetArrayFromImage(resampled_img)
    # 验证形状是否符合预期
    assert img_array.shape == target_array_shape, f"重采样后形状不符：{img_array.shape} != {target_array_shape}"
    processed_images.append(img_array)

# 合并为4D数组，形状为(样本数, 深度, 高度, 宽度) = (9,9,57,54)
train = np.array(processed_images)
print(train.shape)

方法二：直接resize数组（快速但不保留物理信息） #

如果不需要考虑医学图像的物理空间属性，也可以用skimage直接对numpy数组进行resize：

import numpy as np
import SimpleITK as sitk
from skimage.transform import resize

target_array_shape = (9, 57, 54)
processed_images = []

for item in images:
    img_org = nii_reader(item)
    img_array = sitk.GetArrayFromImage(img_org)
    # resize到目标形状，preserve_range=True避免数值被归一化
    resized_array = resize(img_array, target_array_shape, preserve_range=True)
    # 转换为原数组的数据类型，避免精度损失
    resized_array = resized_array.astype(img_array.dtype)
    processed_images.append(resized_array)

train = np.array(processed_images)
print(train.shape)

关键说明 #

• 必须先统一所有图像的形状，否则无法合并为结构一致的4D数组
• np.append不适合多维数组的批量合并，正确的做法是先将所有数组存入列表，再用np.array()或np.stack()合并，后者会自动创建新的维度作为样本轴。

内容的提问来源于stack exchange，提问作者Andi Muh. Syahrul Ulum