将图像转换为具有正确尺寸的 Numpy 数组答案

【问题标题】：Converting Images to Numpy arrays with correct dimension将图像转换为具有正确尺寸的 Numpy 数组
【发布时间】：2021-01-05 23:04:01
【问题描述】：

我正在尝试将 100 个图像转换为一个 numpy 数组，然后将其输入我的神经网络。我的 NN 训练数据是 4D numpy 数组（图像数量，32、32、3）。当使用以下代码读取图像并输入 model.predict() 时，出现以下错误。

“检查输入时出错：预期 conv2d_input 有 4 维，但得到的数组形状为 (100, )”

这是我写的代码：

'''new_data = []
files = glob.glob (r"load images")
for myFile in files:
    #print(myFile)
    image = cv2.imread(myFile)
    new_data.append(np.asarray(image))
    
#new_data = np.array(new_data)
print('new_data shape:', np.array(new_data).shape)'''

输出是“new_data shape: (100,)”

我期望 new_data 维度为 (100, 32, 32, 3)。请帮助了解如何实现这一目标。

谢谢，米纳尔

【问题讨论】：

你为什么要np.asarray？简单地将其附加到列表中。
用new_data.append(im)试过了，结果还是一样
cv2 将图像作为数组读取，而 Pillow 不会。
检查数组中所有图像的shape。它可能不同，产生一个 1d 对象 dtype 数组。

标签： image numpy tensorflow readimage

【解决方案1】：

感谢所有回复。问题是图像大小不同。在我将它们全部调整为 32*32 并执行 np.reshape() 之后。下面是修改后的代码

files = glob.glob (r"files\*.png*")
for myFile in files:
    image = cv2.imread(myFile)
    img = cv2.resize(image , (32 , 32)) # Reshaping the testing images to 32*32
    new_data.append(img)



new_data = np.reshape(new_data, (len(new_data),32,32,3))

【讨论】：

【解决方案2】：

你可以直接使用 PILLOW 库

from PIL import Image
from numpy import asarray

image = Image.open('kolala.jpeg')
# convert image to numpy array
data = asarray(image)
print(type(data))

print(data.shape)


image2 = Image.fromarray(data)
print(type(image2))

【讨论】：