Python 使用tf.reduce_mean&；海螺

TensorFlow新手在这里训练，但我失败了。 重点是将图像转换为灰度

我们的数据基本上是一个

HxWx3

（三个值r、g、b上的图片高度、宽度和颜色）

因此，它可能相当于将每个数组单元从

[r，g，b]

转换为

[gray，gray，gray]

，其中

gray=mean（r，g，b）

对吗

因此，我检查了一个均值函数的文档，发现。 我在颜色轴上使用它，即轴=2，然后再次使用轴2“复制”平均值，并最终得到3倍的灰度值（=平均值），即红色、绿色和蓝色

请参阅下面的代码：

import tensorflow as tf
import matplotlib.image as mpimg

filename = "MarshOrchid.jpg"
raw_image_data = mpimg.imread(filename)

image = tf.placeholder("uint8", [None, None, 3])

# Reduce axis 2 by mean (= color)
# i.e. image = [[[r,g,b], ...]] 
# out = [[[ grayvalue ], ... ]] where grayvalue = mean(r, g, b)
out = tf.reduce_mean(image, 2, keep_dims=True)

# Associate r,g,b to the same mean value = concat mean on axis 2.
# out = [[[ grayvalu, grayvalue, grayvalue], ...]]
out = tf.concat(2, [out, out, out])

with tf.Session() as session:
    result = session.run(out, feed_dict={image: raw_image_data})

print(result.shape)
plt.imshow(result)
plt.show()

此代码可以执行，但结果不正常

想知道发生了什么，我检查了我的变量，结果发现平均值不正确，如下面的屏幕截图所示，平均值（147137，88）！=三十八

有什么想法吗？ 不知道我做错了什么

谢谢！

---

pltrdy在计算平均值之前更改数据类型（因为溢出）：

错误来自占位符的数据类型。由于类型推断，中间张量的值不能大于255（2^8-1）。当Tensorflow计算平均值（147137，88）时，它首先计算：sum（147137，88）=372，但372>256，所以它保持372%256=116

所以平均值（147137，88）=和（147137，88）/3=116/3=40。 将占位符的数据类型更改为“uint16”或“uint32”

切换到uint16时的结果（不是很有说服力吧？）：

在打印之前将数据类型更改回uint8，以符合pyplot规范：

提到它必须是uint8。由于某些原因，使用uint16不起作用（它看起来像是反转颜色。我的意思是，在以前的灰度变换中，深色区域是白色的。不知道为什么）

在运行之前使用

tf.cast

（例如

out=tf.cast（out，tf.uint8）

）返回到uint_uuu，可获得以下良好的灰度变换：

---

确实如此！干得好&谢谢。尽管如此，它看起来像是反转的颜色（图像的黑色部分在灰度上接近白色）。奇怪，我会调查的，那是另一个问题