Python 灰度图像np.array维数的改变

我有以下代码来加载图像：

img=imread（os.path.join（'./Faces/'，'10.png'））
打印（图像形状）
img=np.平均值（img，轴=2）
img=img.astype（int）
打印（图像形状）

此代码的输出如下所示：

(200, 180, 3)
(200, 180)

---

我知道我正在将RGB层平均化为灰度值，但我用shape

（200280,1）

定义了Keras输入层。有没有办法把形状改成这个？上面输出的两种形状的矩阵在功能上有什么区别吗？

您可以使用numpy中的

expand_dims

功能（请参阅）

在您的情况下，它的工作原理如下：

img = img.astype(int)
print(img.shape)
# Prints (100, 100)

img = np.expand_dims(img, axis=2)
print(img.shape)
# Prints (100, 100, 1)

---

您可以在numpy中使用

expand_dims

功能（请参阅）

在您的情况下，它的工作原理如下：

img = img.astype(int)
print(img.shape)
# Prints (100, 100)

img = np.expand_dims(img, axis=2)
print(img.shape)
# Prints (100, 100, 1)

---

你不应该把频道平均化。RGB通道之间有一种特殊的平衡，可以将图片转换为灰度，并且每个通道不方便达到0.33%。是这样的：

((0.3*R) + (0.59*G) + (0.11*B))

我建议您使用：

import cv2 

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

然后添加一个维度：

img = img[..., np.newaxis]

或

---

功能上的区别是，很明显，如果你把它变成灰度，你的CNN将看不到颜色。因此，它将无法使用此信息进行分类。

您不应该对通道进行平均。RGB通道之间有一种特殊的平衡，可以将图片转换为灰度，并且每个通道不方便达到0.33%。是这样的：

((0.3*R) + (0.59*G) + (0.11*B))

我建议您使用：

import cv2 

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

然后添加一个维度：

img = img[..., np.newaxis]

或

---

功能上的区别是，很明显，如果你把它变成灰度，你的CNN将看不到颜色。因此，它将无法使用此信息进行分类。

谢谢您的回答。这一切都是关于结构，而不是关于颜色，所以在我的情况下，失去颜色是很好的。我不知道你提到的具体的灰度平衡。很高兴有人指出这一点。谢谢！很高兴我能帮忙。我看到你已经接受了另一个答案，但是我希望你会考虑把彩色图像转换成灰度级。你真的不应该只是总结渠道。这正是我现在做的，尼古拉斯，我接受了两个答案（先是你的，然后是另一个）。但是我不知道只有一个“被接受”的答案，所以你的答案是“不被接受”，现在我明白了，谢谢你的回答。这一切都是关于结构，而不是关于颜色，所以在我的情况下，失去颜色是很好的。我不知道你提到的具体的灰度平衡。很高兴有人指出这一点。谢谢！很高兴我能帮忙。我看到你已经接受了另一个答案，但是我希望你会考虑把彩色图像转换成灰度级。你真的不应该只是总结渠道。这正是我现在做的，尼古拉斯，我接受了两个答案（先是你的，然后是另一个）。但我不知道只有一个“被接受”的答案，所以你的答案是“不被接受”，现在我明白了