Python-ValueError:操作数无法与形状一起广播

我正在尝试使用python通过主成分分析（PCA）实现人脸识别。其中一个步骤是通过减去平均面部向量

m

：

n=T-m

来规范化输入（测试）图像

T

这是我的密码：

#Step1: put database images into a 2D array
filenames = glob.glob('C:\\Users\\Karim\\Downloads\\att_faces\\New folder/*.pgm')
filenames.sort()
img = [Image.open(fn).convert('L').resize((90, 90)) for fn in filenames]
images = np.asarray([np.array(im).flatten() for im in img])

#Step 2: find the mean image and the mean-shifted input images
m = images.mean(axis=0)
shifted_images = images - m

#Step 7: input image
input_image = Image.open('C:\\Users\\Karim\\Downloads\\att_faces\\1.pgm').convert('L').resize((90, 90))
T = np.asarray(input_image)
n = T - mean_image

但是我得到了一个错误

回溯（最近一次呼叫最后一次）：
文件“C:/Users/Karim/Desktop/bacher 2/New folder/new3.py”，第46行，在
n=T-m
ValueError:操作数无法与形状（90,90）（8100）一起广播。

为展平阵列计算了平均值\u image

：

images = np.asarray([np.array(im).flatten() for im in img])
mean_image = images.mean(axis=0)

---

而

input_image

为90x90。因此出现了错误。您应该也展平输入图像，或者不展平原始图像（我不太明白您为什么这样做），或者仅为此操作将

mean\u image

调整为90x90。

正如@Lev所说，您已经展平了阵列。实际上，你不需要这样做来执行平均值。假设你有一个由2个3x4个图像组成的数组，那么你会有这样的东西：

In [291]: b = np.random.rand(2,3,4)

In [292]: b.shape
Out[292]: (2, 3, 4)

In [293]: b
Out[293]: 
array([[[ 0.18827554,  0.11340471,  0.45185287,  0.47889188],
        [ 0.35961448,  0.38316556,  0.73464482,  0.37597429],
        [ 0.81647845,  0.28128797,  0.33138755,  0.55403119]],

       [[ 0.92025024,  0.55916671,  0.23892798,  0.59253267],
        [ 0.15664109,  0.12457157,  0.28139198,  0.31634361],
        [ 0.33420446,  0.27599807,  0.40336601,  0.67738928]]])

在第一个轴上执行平均值，保留阵列的形状：

In [300]: b.mean(0)
Out[300]: 
array([[ 0.55426289,  0.33628571,  0.34539042,  0.53571227],
       [ 0.25812778,  0.25386857,  0.5080184 ,  0.34615895],
       [ 0.57534146,  0.27864302,  0.36737678,  0.61571023]])

In [301]: b - b.mean(0)
Out[301]: 
array([[[-0.36598735, -0.222881  ,  0.10646245, -0.0568204 ],
        [ 0.10148669,  0.129297  ,  0.22662642,  0.02981534],
        [ 0.24113699,  0.00264495, -0.03598923, -0.06167904]],

       [[ 0.36598735,  0.222881  , -0.10646245,  0.0568204 ],
        [-0.10148669, -0.129297  , -0.22662642, -0.02981534],
        [-0.24113699, -0.00264495,  0.03598923,  0.06167904]]])

对于许多用途，这也比将图像保留为数组列表要快，因为numpy操作是在一个数组上完成的，而不是通过数组列表完成的。大多数方法，如

mean

、

cov

等，都接受

axis

参数，并且您可以列出所有要执行该参数的维度，而无需展平

要将此应用于脚本，我将执行以下操作，保持原始维度：

images = np.asarray([Image.open(fn).convert('L').resize((90, 90)) for fn in filenames])
# so images.shape = (len(filenames), 90, 90)

m = images.mean(0)
# numpy broadcasting will automatically subract the (90, 90) mean image from each of the `images`
# m.shape = (90, 90)
# shifted_images.shape = images.shape = (len(filenames), 90, 90)
shifted_images = images - m 

#Step 7: input image
input_image = Image.open(...).convert('L').resize((90, 90))
T = np.asarray(input_image)
n = T - m

最后，如果速度是一个问题，那么使用np.dstack加入您的图像会更快：

In [354]: timeit b = np.asarray([np.empty((50,100)) for i in xrange(1000)])
1 loops, best of 3: 824 ms per loop

In [355]: timeit b = np.dstack([np.empty((50,100)) for i in xrange(1000)]).transpose(2,0,1)
10 loops, best of 3: 118 ms per loop

---

但加载图像可能需要大部分时间，如果是这种情况，您可以忽略这一点。

图像必须展平为2D数组，而不是3D数组，才能计算平均值、协方差、特征值和特征向量。另一方面，如果将输入图像展平，它将是1D数组，并且我也无法计算平均值、协方差、特征值和特征向量。@user222953我认为任何接受

轴

参数的函数都不需要它，正如@askewchan所指出的。无论如何，现在你正在从一个90x90数组中减去一个8100 1D数组，这个数组必须以这样或那样的方式修复。我正在尝试你建议的方法，但我发现了一个错误

回溯（最近一次调用）：文件“C:/Users/Karim/Desktop/bamber 2/New folder/new4.py”，第12行，在images=np.asarray（[Image.open（fn.convert（'L'））文件“C:\Python27\lib\site packages\numpy\core\numeric.py”，第320行，asarray返回数组（a，dtype，copy=False，order=order）SystemError:error return without exception set

确定我不理解该错误，但尝试将

np.asarray

更改为

np.array

，尝试一下你所拥有的，但不要使用

.flatte

：

imgs=[Image.open（fn）.convert（'L'）。resize（（90，90））来调整文件名中fn的大小]

images=np.asarray（[np.array（img）用于imgs中的img]）

np.array

无法修复任何问题，并且清除

.flatte

会在计算方差时产生另一个错误。无论如何，谢谢你的帮助