如何将处理后的numpy图像数组存入Python字典并在Jupyter中展示？

我在Python中创建了一个空字典，循环读取并处理图像，处理后的结果是numpy数组。希望把这些numpy数组添加到字典中，以顺序整数作为键、数组作为值存储，最终要把处理后的图像放到imagegrid里在Jupyter Notebook展示，已有针对字典中图像的展示代码，想知道怎么实现，有没有更简便的方式？

原始代码：

stopsign_classifier = cv2.CascadeClassifier('haarcascade_stopsigns.xml') 

img_dict = {}

folder = "D:\\temp\\"
for imagesdir in os.listdir(folder):
    imgName = imagesdir
    img = cv2.imread(folder + imgName)

    signs = stopsign_classifier.detectMultiScale(img, scaleFactor= 1.01, minNeighbors = 9)

    #检查照片中是否存在停车标识
    if signs is ():
        print("No stop signs found")
        # 根据停车标识分类器的返回信息，在识别出的停车标识周围绘制框
    else:
        for (x, y, w, h) in signs:
            cv2.rectangle(img, (x,y), (x+w,y+h), (255, 255 , 255), 8)
            
    # 在此处添加将img存入字典的代码

一、按需求存入字典的实现 #

要实现顺序整数作为键，直接利用字典当前的长度作为下一个键即可（初始空字典长度为0，第一个键就是0，每添加一个元素长度加1，正好对应顺序整数）。在注释位置添加以下代码：

# 将处理后的图像存入字典，键为当前字典长度（顺序整数）
img_dict[len(img_dict)] = img

修改后的完整代码：

import os
import cv2

stopsign_classifier = cv2.CascadeClassifier('haarcascade_stopsigns.xml') 

img_dict = {}

folder = "D:\\temp\\"
for imagesdir in os.listdir(folder):
    imgName = imagesdir
    img = cv2.imread(folder + imgName)

    signs = stopsign_classifier.detectMultiScale(img, scaleFactor= 1.01, minNeighbors = 9)

    #检查照片中是否存在停车标识
    if signs is ():
        print("No stop signs found")
    else:
        # 根据停车标识分类器的返回信息，在识别出的停车标识周围绘制框
        for (x, y, w, h) in signs:
            cv2.rectangle(img, (x,y), (x+w,y+h), (255, 255 , 255), 8)
            
    # 将处理后的图像存入字典，键为顺序整数
    img_dict[len(img_dict)] = img

注意：cv2.imread读取的图像是BGR格式，若你的展示代码未处理格式转换，需添加img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)适配Jupyter的RGB展示逻辑。

二、更简便的实现方式：用列表替代字典 #

因为顺序整数键和列表的索引完全对应，用列表存储会更高效、操作更简单，后续展示时也能通过索引直接访问，完全可以替代字典的作用：

1. 初始化空列表：img_list = []
2. 循环中添加图像：img_list.append(img)

修改后的完整代码：

import os
import cv2

stopsign_classifier = cv2.CascadeClassifier('haarcascade_stopsigns.xml') 

img_list = []  # 用列表替代字典

folder = "D:\\temp\\"
for imagesdir in os.listdir(folder):
    imgName = imagesdir
    img = cv2.imread(folder + imgName)

    signs = stopsign_classifier.detectMultiScale(img, scaleFactor= 1.01, minNeighbors = 9)

    #检查照片中是否存在停车标识
    if signs is ():
        print("No stop signs found")
    else:
        # 根据停车标识分类器的返回信息，在识别出的停车标识周围绘制框
        for (x, y, w, h) in signs:
            cv2.rectangle(img, (x,y), (x+w,y+h), (255, 255 , 255), 8)
            
    # 将处理后的图像添加到列表
    img_list.append(img)

如果必须适配原有字典展示代码，只需一行即可把列表转成符合要求的字典：

img_dict = dict(enumerate(img_list))

内容的提问来源于stack exchange，提问作者jport