为什么有些图像的三维尺寸为3，而另一些三维尺寸为4？

Question

我对图像处理知识不多。我正在尝试实现一个ConvNet。我下载了一些图像作为数据集，并使其高度和宽度相等。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])

但是它给了我无法广播（420,310）到（420,310,3）的错误。然后我打印了数组的形状，其中一些是（420,310,3），其他是（410,320,4）。为什么会这样呢？以及如何更改它以使其适合数组？

Answer 1

问题

因此，基本上在这里发生的是您正在使用三种不同格式的图像（至少是出现在问题中的图像）。它们分别是：

• RGB（尺寸 (420, 310, 3)），三个频道
• RGB-A（尺寸 (420, 310, 4)），四个频道
• Grayscale（尺寸 (420, 310)），单个频道

您所看到的第三个维度是代表图像中通道的数量（前两个分别是高度和宽度）。

一个示例将进一步清除它。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，可使用PIL加载每个脚本并显示其形状：

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迭代分配给数组（np.array）时，会出现形状不匹配错误。

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，然后再将其保存在数组中。假设您将使用经过预先训练的ImageNet模型，我们会将它们转换为RGB格式（您也可以类似地选择一种格式）。

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))

输出为：

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

类似地，您可以对所有图像进行处理，然后对所有图像具有一致数量的通道（在这种情况下为三个）。

注意：在我的示例中，图像的空间尺寸也有所不同。在您的情况下，这不是问题，因为所有维度的大小都一致(420, 310)。

希望这可以澄清您的疑问。