pythonの配列の操作の仕方は記事が多数ありますが

画像とかkerasに特化した
作業に対してどう記述すればいいのかをまとめてみました

ええ、自分用メモです

#画像を1枚だけNumpy配列にする（3次元）
(224,224,3)で入力
リサイズの時は**target_size=(224,224)**を変更
jpg,bmpは読込確認済み
裏でPILが動いているらしいのでおそらくpngも平気なはず

※2018.10.23　pngも読み書きOKでした

from keras.preprocessing.image import load_img, img_to_array

img_path = ('./' + ファイル名 + '.jpg')
img_3 = img_to_array(load_img(img_path, target_size=(224,224)))

#3次元のNumpy配列をベクトル化する
3次元(224,224,3)をベクトル（1次元）化（150528）

import numpy as np

img_1 = np.ravel(img_3)

#3次元のNumpy配列を4次元にする
Kerasで使用する、最初にサンプル数のついた4次元配列にする(1,224,224,3)

img_4 = img_3[None, ...]

#4次元のNumpy配列を3次元にする
4次元配列(1,224,224,3)からサンプル数の位置を指定して3次元配列に（224,224,3）


#iはサンプル数の指定、0から始まるので注意
i=0
img_3 = img_4[i,:,:,]

#フォルダ内の画像を全部まとめて4次元のNumpy配列にする【ex.(10,224,224,3)】

import glob
import numpy as np
from keras.preprocessing.image import load_img,img_to_array

#image  array size
img_size = (224,224)
#load images Folder
dir_name = 'test1'
#File type
file_type  = 'jpg'

#load images and image to array
img_list = glob.glob('./' + dir_name + '/*.' + file_type)

temp_img_array_list = []

for img in img_list:
    temp_img = load_img(img,grayscale=False,target_size=(img_size))
    temp_img_array = img_to_array(temp_img) /255
    temp_img_array_list.append(temp_img_array)

temp_img_array_list = np.array(temp_img_array_list)

細かい話は下記参照
https://qiita.com/tom_eng_ltd/items/286a8012527a3dd3c542

#4次元のNumpy配列を2次元にする
4次元配列【ex.(10,224,224,3)】から2次元配列に【ex.(10,150528)】
SVMへの入力とかに使用できます

#保存先の配列を確保
temp_img_array_list = []

for i in range(10):
    #4次元データから3次元データを取り出し
    temp_img = img_4[i,:,:,]
    #3次元をベクトル（1次元）化
    temp_img = np.ravel(temp_img)
    #変換したNumpy配列を末尾に追加
    temp_img_array_list.append(temp_img)

#Numpy配列をリスト化
img_list = np.array(temp_img_array_list)

#フォルダ内の画像を全部まとめて2次元配列化【ex.(10,150528)】

import glob
import numpy as np
from keras.preprocessing.image import load_img,img_to_array

#image  array size
img_size = (224,224)
#load images Folder
dir_name = 'test1'
#File type
file_type  = 'jpg'

#load images and image to array
img_list = glob.glob('./' + dir_name + '/*.' + file_type)

temp_img_array_list = []

for img in img_list:
    temp_img = load_img(img,grayscale=False,target_size=(img_size))
    temp_img_array = img_to_array(temp_img) /255
    temp_img_array = np.ravel(temp_img_array)
    temp_img_array_list.append(temp_img_array)

temp_img_array_list = np.array(temp_img_array_list)

#Conv2Dの特長量から1ch抜き出す
特長量マップの4次元配列は「layer_output」とする（ex.1,14,14,512）
そこから2次元（14,14）を抽出

#iはチャンネル数で、この場合0-511
img_res = layer_output[0,:,:,i]

#Conv2Dの特長量からマップの行列サイズとチャンネル数を取得する
特長量マップの4次元配列は「layer_output」とする（ex.1,14,14,512）

#G:行　R：列　ch：チャンネル数
G, R, ch = layer_output.shape[1:]

#G = 14
#R = 14
#ch = 512

#4次元の画像配列から一部分を取り出し
cifar10とかのデータセットから必要数だけ取り出したい時とかに
x_train（50000,32,32,3）からx_train（1000,32,32,3）へ

#1000枚目まで
x_train = x_train[:1000]

#49000枚目以降の1000枚
x_train = x_train[49000:]

#1000-2000枚目の1000枚
x_train = x_train[1000:2000]