Numpy RGB到灰色过滤器不'；我不能保持原形

我有209张cat/noncat图像，我希望能够扩充我的数据集。为了做到这一点，我使用以下代码将RGB值的每个NumPy数组转换为灰色过滤器。问题是我需要它们的维数相同，我的神经网络才能工作，但它们恰好有不同的维数。代码：

def rgb2gray(rgb):
  return np.dot(rgb[...,:3], [0.2989, 0.5870, 0.1140])

Normal Image Dimension: (64, 64, 3)
After Applying the Filter:(64,64)

---

我知道缺少的3可能是RGB值或其他东西，但我找不到一种方法来创建一个不会影响实际图像的“虚拟”三维。是否有人可以提供rgb2gray函数的替代方案来保持尺寸？

应用灰度过滤器的全部目的是将通道数从3（即R、G和B）减少到1（即灰色）

如果你真的真的想得到一个3通道的图像，看起来一样，但占用3倍的内存，只需使所有3个通道相等：

grey = np.dstack((grey, grey, grey))

---

我想你可以使用numpy的

restrape（）

，如果你的目标是拥有（64,64,1）我的目标是让它拥有与原始图像相同的形状。但是你不能，因为灰度图像是一个单通道图像，rgb是三个深度，我遗漏了什么吗？我明白了。问题是当我将图像展平成向量时，这可能会有问题，因为我的神经网络的大小是64x64x3。你是在使用转移学习还是从头开始的架构？解释代码的作用以及它如何解决OP的问题会使这成为一个更好的答案。

def rgb2gray(rgb):
  return np.dot(rgb[...,:3], [[0.2989, 0.5870, 0.1140],[0.2989, 0.5870, 0.1140],[0.2989, 0.5870, 0.1140]])