python - 为什么有些图像有第三维，而其他图像有 4？

Question

我对图像处理的了解不多。我正在尝试实现一个 ConvNet。我下载了一些图像作为数据集并使它们的高度和宽度相等。然后我尝试通过以下代码将它们加载到 np.array 中:

train_list = glob.glob('A:\Code\Machine 
Learning\CNN\ConvolutionalNN1\TrainImg\*.jpg')
X_train_orig = np.array([np.array(Image.open(file)) for file in train_list])

但它给了我无法广播 (420,310) 到 (420,310,3) 的错误。然后我打印了数组的形状，有些是 (420,310,3) 其他 (410,320,4)。为什么会这样？我怎样才能改变它以适应数组？

Answer 1

问题

所以基本上这里发生的事情是您正在使用三种不同格式的图像(至少那些出现在您的问题中)。他们分别是:

RGB (维度的(420, 310, 3) ), 三 channel

RGB-A (维度的(420, 310, 4) ), 四 channel

Grayscale (维度的(420, 310) ), 单 channel

您看到的第三个维度表示图像中的 channel 数(前两个分别是高度和宽度)。

一个例子将进一步澄清它。我从互联网上下载了随机图像，每个图像都属于上述三种格式之一。

RGB 图像 dog.png


RGB-A 图像 fish.png


灰度图像 lena.png


这是一个 python 脚本，用于使用 PIL 加载它们中的每一个。并显示它们的形状:

from PIL import Image
import numpy as np

dog = Image.open('dog.png')
print('Dog shape is ' + str(np.array(dog).shape))

fish = Image.open('fish.png')
print('Fish shape is ' + str(np.array(fish).shape))

lena = Image.open('lena.png')
print('Lena shape is ' + str(np.array(lena).shape))

这是输出:

Dog shape is (250, 250, 3)
Fish shape is (501, 393, 4)
Lena shape is (512, 512)

因此，当您尝试将所有图像以迭代方式分配给数组 ( np.array ) 时，您会遇到形状不匹配错误。

解决方案

解决此问题的最简单方法是将所有图像转换为一种特定格式，然后再将其保存到数组中。假设您将使用预训练的 ImageNet 模型，我们会将它们转换为 RGB格式(您也可以类似地选择您选择的格式)。

我们将转换 RGB-A至 RGB使用以下代码:

fish = Image.open('fish.png')
print('Fish RGB-A shape is ' + str(np.array(fish).shape))
rgb = fish.convert('RGB')
print('Fish RGB shape is ' + str(np.array(rgb).shape))

输出是:

Fish RGB-A shape is (501, 393, 4)
Fish RGB shape is (501, 393, 3)

同样，您可以对所有图像执行此操作，然后您的所有图像都有一致数量的 channel (在本例中为三个)。

注意 :在我的示例中，图像的空间维度也有所不同。在您的情况下，这不是问题，因为所有尺寸都是一致的 (420, 310) .

希望这能澄清您的疑问。