图像张量的形状为 (64, 64) 意味着什么？这是否意味着没有渠道？答案

【问题标题】：What does it mean for the shape of an image tensor to be (64, 64)? Does that mean there are no channels?图像张量的形状为 (64, 64) 意味着什么？这是否意味着没有渠道？
【发布时间】：2020-07-08 13:13:08
【问题描述】：

我正在探索数据集的图像：Tiny Imagenet，我发现大多数图像张量具有形状（64、64、3），即高度和宽度分别为 64 和 64 的图像以及红色、绿色的三个通道和蓝色。但是数据集中的一些图像张量具有形状 (64, 64)。

这是否意味着没有渠道？怎么可能？

编辑 - 我下载了张量形状 (64, 64) 的这张图片：

编辑 - 它是否有可能像 Lab 一样具有其他颜色空间的一个通道？（这里的 b 指的是从蓝色到黄色的颜色）。

【问题讨论】：

标签： tensorflow deep-learning computer-vision pytorch tensor

【解决方案1】：

通常，它等价于 (64, 64, 1) 但大多数库会折叠最后一个轴。这意味着您只有一个通道，可能是灰度图像。您的数据集是否可能混合在 RGB 和灰度图像之间？

【讨论】：

图像看起来不是灰度的，是否可能在其他颜色空间（例如 Lab）中具有一维？只有“b”部分（似乎从蓝色变为黄色）？
你用matplotlib画了吗？可以在imshow中传入cmap='gray'，以灰度显示。
是的，我用过 matplotlib。实际上我只是为了可视化和分析图像而绘制它，因为我需要用它来训练机器学习模型。因此，以灰度显示图像是没有用的。

【解决方案2】：

你有一个通道维度 - 只有它是 shape=1 - 你有一个单一的颜色通道，这意味着这是一个灰度图像。

如果你使用PIL.Image来读取图片，你可以通过以下方式强制它拥有三个通道

Image.open(filename).convert('RGB')

您将拥有 (64, 64, 3) 的 shape，但请注意所有频道都是相同的。

【讨论】：