Python 将PNG或JPEG图像转换为GAN算法接受的格式

对于GAN，我对这个领域还不熟悉，我尝试了一些教程，但是，大多数教程都使用了Cifar或mnist数据集。所以大部分都是这样的内置格式（xxxx，28，28）

最近，我想试试我们的另一张照片。比如说,

from scipy import misc
data = misc.imread("1.PNG") #this can be any images from JPEG or any
print(data.shape)

我的输出：

(842, 1116, 4) # Seriously I dont understand what does this mean. 842 means 842 files? I thought I have only 1 image loaded.

我的预期产出：

因为我是新来的，所以我真的很想提出一个问题：它应该是（1，28，28）还是其他什么？这样我就可以适应GAN了，因为它在教程中使用了784

---

通常，在mnist的数据集中，我们有（60000，28，28），这意味着60k张图片和每个28x28的形状。我上面的输出呢？（8421116，4）并不意味着842张1116 x 4形状的图片，不是吗？我只加载了一个图像。有人可以帮助我如何转换它，也了解它。谢谢

图像的大小x，y（842x1116）以像素和颜色通道数-4（R，G，B，Alpha）

imread使用PIL或枕头读取图像，它以以下格式返回图像： 高度x宽度x通道 其中通道通常为3个通道（正常彩色图像的红色、绿色、蓝色[RGB]），有时为4个通道（红色、绿色、蓝色、alpha/透明度[RGBA]）

因此，您读取的图像大小为842x1116，有4个颜色通道。你们说你们使用形状的训练数据（xxxx，28，28），所以你们使用灰度而不是彩色图像。第一步是将彩色图像转换为灰度

Pillow

（作为PIL的替代品）是一个很好的图像操作库。或者，您可以只使用一个频道

gray_data = data[:,:,0]

要将其用作训练数据，您现在可以将其大小调整为28x28或从中提取大小为28x28的小面片

small_data = gray_data[:28,:28]

这将导致（28,28）。大多数学习算法需要的不是一张图像，而是多张图像，主要是图像的格式（#图像、高度、宽度）。因此，您需要对其进行重塑：

final_data = small_data.reshape(1,28,28)

---

应该这样做。但是，适当的RGB（A）到灰度转换和大小调整将是更好的解决方案。查看枕头文档了解详细信息。

我明白了，所以如果我想重塑枕头，我该怎么做？我能把它做成（1784）的形状吗？我对GAN算法和所需的格式一无所知。如果（N，x，y），其中N是图片数量，x，y是尺寸，那么您可以使用scipy.misc.imresize将1.PNG调整为28x28。非常感谢！这真的帮了我很大的忙，你列出的例子和建议也帮了我很大的忙！我会检查更多，并尝试了解它现在。再次感谢你