一个 numpy ndarray 的解释

Question

假设我想在一个 numpy 3-D 数组中表示具有 3 个颜色通道 (RGB) 的大小为 H*W 的图像，使得维度为 (H, W, 3)。让我们举一个简单的例子（4,2,3）。所以我们创建一个这样的数组 - img = np.arange(24).reshape(4,2,3)。

为了适合上面图片示例的类比，元素的值应该是-

Channel R: [0,1],[2,3],[4,5],[6,7]
Channel G: [8,9],[10,11],[12,13],[14,15]
Channel B: [16,17],[18,19],[20,21],[22,24]

即3个外部数组，上面的数组嵌套在里面。

但是，np.arange(24).reshape(4,2,3) 的结果是 -

array([[[ 0,  1,  2],
        [ 3,  4,  5]],

       [[ 6,  7,  8],
        [ 9, 10, 11]],

       [[12, 13, 14],
        [15, 16, 17]],

       [[18, 19, 20],
        [21, 22, 23]]])

如果我想要第一个频道的第一行，即img[0,:,0]，我希望结果是 [0,1]，但实际上我会得到 [0,3]。

我知道如果我用形状 (3,4,2) 初始化 ndarray，我会得到我想要的。但我想使用 (H,W,depth) 的传统形状。

你能帮我理解一下我理解上的差距吗？

Answer 1

我认为您的误解是因为您（错误地）假设从向量到数组的转换首先开始填充第一个索引。实际上，它从最后一个索引开始并向前移动。 在您的示例中，填充数组的顺序是

0 -> [0,0,0]

1 -> [0,0,1]

2 -> [0,0,2]

3 -> [0,1,0] 等等。

因此，第一个像素是 [0,1,2]，第二个像素是 [3,4,5]，您会得到您所看到的结果。

误解完全在于您如何将向量转换为这样的矩阵（并存储在后台）。一旦你定义了图像，一切都应该如你所愿。

顺便说一句：正如 hpaulj 评论的那样，您可能确实会遇到以 [3,X,Y] 大小保存的图像。