Python Can'；t重塑包含PNG图像的numpy数组

我已经使用Python中的Keras库训练了一个手写图像分类器。最初，我使用标准MNIST数据集进行培训和测试。但是现在我想使用我自己的数据集进行测试，其中所有图像的大小都是

900*1200*3

，而不是

28*28*1

所以我需要在测试之前重塑所有的图像。我使用下面的代码来重塑，但它会产生错误

代码：

bb =  lol.reshape(lol.shape[0], 28, 28, 1).astype('float32')

其中

lol

是我的numpy数组，包含55个形状图像

（9001200,3）

错误日志如下所示：

ValueError                                Traceback (most recent call last)
<ipython-input-46-87da95da73e9> in <module>()
     24 #     # you can show every image
     25 #     img.show()
---> 26 bb =  lol.reshape(lol.shape[0], 28, 28, 1).astype('float32')
     27 # model = loaded_model
     28 # classes = model.predict(bb)

ValueError: cannot reshape array of size 178200000 into shape (55,28,28,1)

ValueError回溯（最近一次调用）
在（）
24##你可以展示每一张图片
25#img.show（）
--->26 bb=lol.shape（lol.shape[0,28,28,1）.aType（'float32'））
27#模型=加载的#模型
28类=模型预测（bb）
ValueError:无法将大小为178200000的数组重塑为形状（55,28,28,1）

---

那么我做错了什么？即使将大图像调整为28*28的非常小的图像，我也能得到准确的预测吗？谢谢你的帮助

单独处理每个图像会更直观，这也会给您保留某些信息的最佳机会

尝试使用PIL库：

import numpy
from PIL import Image

lol = numpy.zeros((55,900,1200,3),dtype=numpy.uint8)
new_array = numpy.zeros((lol.shape[0],28,28),dtype=numpy.float32)

for i in range(lol.shape[0]):
    img = Image.fromarray(lol[i])
    img_resize = img.resize((28,28))
    img_mono = img_resize.convert('L')
    arr = numpy.array(img_mono,dtype=numpy.uint8)
    new_array[i] = arr

---

单独处理每个图像会更直观，这也会给您保留某些信息的最佳机会

尝试使用PIL库：

import numpy
from PIL import Image

lol = numpy.zeros((55,900,1200,3),dtype=numpy.uint8)
new_array = numpy.zeros((lol.shape[0],28,28),dtype=numpy.float32)

for i in range(lol.shape[0]):
    img = Image.fromarray(lol[i])
    img_resize = img.resize((28,28))
    img_mono = img_resize.convert('L')
    arr = numpy.array(img_mono,dtype=numpy.uint8)
    new_array[i] = arr

---

你所做的是错误的。您无法将（55900、1200、3）的数组重塑为（55、28、28、1）的数组，因为您试图在只能存储55*28*28=43120个元素的数组中存储55*900*1200*3=178200000个元素

您需要做两件事：

1）将rgb图像（由最后一个维度表示，即3个通道）转换为灰度（1个通道）。最简单的方法是（R+B+G）/3。所有与图像相关的python库（PIL、OpenCV、skimage、tensorflow、keras等）都已经实现了这一点。例如：

from skimage.color import rgb2gray
gray = rgb2gray(original)

from skimage.transform import resize
resized = resize(gray, (28,28))

2）将图像大小从900x1200调整为28x28。同样，您可以在所有主要的与图像相关的python库中执行此操作。例如：

from skimage.color import rgb2gray
gray = rgb2gray(original)

from skimage.transform import resize
resized = resize(gray, (28,28))

现在，如果您想在所有55个图像中执行此操作，您可以编写一个函数来转换一个图像并将其映射到整个阵列，或者使用一个简单的for循环一次填充一个图像到新阵列

在您的情况下，代码应该如下所示：

num_images = lol.shape[0] # 55 in your case
resized_images = np.zeros(shape=(num_images, 28, 28, 1)) # your final array
for i in range(num_images):
    gray = rgb2gray(lol[i,:,:,:]) # gray.shape should be (900,1200,1)
    resized = resize(gray, (28,28)) # resized.shape should be (28,28,1)
    resized_images[i,:,:,:] = resized # resized_images.shape should be (55,28,28,1)

---

你所做的是错误的。您无法将（55900、1200、3）的数组重塑为（55、28、28、1）的数组，因为您试图在只能存储55*28*28=43120个元素的数组中存储55*900*1200*3=178200000个元素

您需要做两件事：

1）将rgb图像（由最后一个维度表示，即3个通道）转换为灰度（1个通道）。最简单的方法是（R+B+G）/3。所有与图像相关的python库（PIL、OpenCV、skimage、tensorflow、keras等）都已经实现了这一点。例如：

from skimage.color import rgb2gray
gray = rgb2gray(original)

from skimage.transform import resize
resized = resize(gray, (28,28))

2）将图像大小从900x1200调整为28x28。同样，您可以在所有主要的与图像相关的python库中执行此操作。例如：

from skimage.color import rgb2gray
gray = rgb2gray(original)

from skimage.transform import resize
resized = resize(gray, (28,28))

现在，如果您想在所有55个图像中执行此操作，您可以编写一个函数来转换一个图像并将其映射到整个阵列，或者使用一个简单的for循环一次填充一个图像到新阵列

在您的情况下，代码应该如下所示：

num_images = lol.shape[0] # 55 in your case
resized_images = np.zeros(shape=(num_images, 28, 28, 1)) # your final array
for i in range(num_images):
    gray = rgb2gray(lol[i,:,:,:]) # gray.shape should be (900,1200,1)
    resized = resize(gray, (28,28)) # resized.shape should be (28,28,1)
    resized_images[i,:,:,:] = resized # resized_images.shape should be (55,28,28,1)

---

---

您是否应该更改：

lol.respore（lol.shape[0]，28，28，1）。astype（'float32'）

使用新的图像形状，即

900 x 1200x 3

？

900 x 1200x 3

是我当前的形状。我想在

28,28,1

中重塑你知道

重塑

做什么吗？在

55 x 28 x 28 x 3

大小的对象中，你不能重塑大小为

55 x 900 x 1200 x 3

的对象而不丢失数据。您需要调整图像的大小，而不是调整阵列的形状。是的，这是RGB->灰度（3->1）+调整大小。这不是整形所做的。你不应该改变：

lol.respore（lol.shape[0]，28，28，1）。astype（'float32'）

使用新的图像形状，即

900 x 1200x 3

？

900 x 1200x 3

是我当前的形状。我想在

28,28,1

中重塑你知道

重塑

做什么吗？在

55 x 28 x 28 x 3

大小的对象中，你不能重塑大小为

55 x 900 x 1200 x 3

的对象而不丢失数据。您需要调整图像的大小，而不是调整阵列的形状。是的，这是RGB->灰度（3->1）+调整大小。这不是重塑所做的。谢谢重播。但在执行第二步后，当我打印大小调整后的

形状时，它会给出
28*28*1200
，但我需要的是
28*28*1
。灰度数组的形状是什么？它是551200900。函数每次需要一个图像才能工作。我编辑了我的帖子，在你的案例中加入了如何做到这一点。我还没有测试它，如果它不工作，告诉我，我会修复它。谢谢重播。但在执行第二步后，当我打印大小调整后的
形状时，它会给出
28*28*1200
，但我需要的是
28*28*1
。灰度数组的形状是什么？它是551200900。函数每次需要一个图像才能工作。我编辑了我的帖子，在你的案例中加入了如何做到这一点。我还没有测试过，如果它不工作，告诉我，我会修复它。