为什么有些图像的三维度为 3，而有些图像的三维度为 4？

Question

我对图像处理了解不多。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])

但它给了我无法将 (420,310) 广播到 (420,310,3) 的错误。然后我打印了数组的形状，有些是（420,310,3），有些是（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（至少是那些出现在您的问题中的图像）。它们分别是：

• RGB（维度 (420, 310, 3))，三个频道
• RGB-A（维度 (420, 310, 4))，四个频道
• Grayscale（维度 (420, 310))，单通道

您看到的第三个维度表示图像中的通道数（前两个分别是高度和宽度）。

一个例子将进一步清楚。我从互联网上随机下载了属于上述三种格式之一的图片。

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，当您尝试迭代地将所有图像分配给一个数组 (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）。

我们将使用以下代码将RGB-A 转换为RGB：

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)

类似地，您可以为所有图像执行此操作，然后为所有图像提供一致数量的通道（三个）。

注意：在我的示例中，图像的空间尺寸也不同。在您的情况下，这不是问题，因为所有的尺寸都一致 (420, 310)。

希望这能澄清您的疑问。