Python 反向整形会产生不同的结果

我需要调整大小，然后重塑某些图像。然后，我想应用反向整形，这应该给原始图片，但它不工作。让我们看看这个代码：

images=[]
image = imread('1.png')
resized = np.resize(image, (320, 440))
images.append(resized)

arr=np.asarray(images)
newArray=arr.astype('float32')

plt.figure(figsize=[5, 5])
reshaped = np.reshape(newArray[0], (320,440))
plt.imshow(reshaped, cmap='gray')
plt.show()

原始图片

1.png

：

plt.show（）显示的重塑图片：

反整形后的图像与原来的不一样，有人能告诉我问题出在哪里吗？谢谢。

编辑：

澄清后，混淆似乎来自

np.resize

，它不是图像处理操作，也不用于在保留内容的同时重新缩放图像

看起来像是从

scipy

库中删除了图像处理包装，如

imresize

，虽然原则上可以使用

scipy.interpolate

包来重现

imresize

的功能，但我建议您使用

pillow

或

scikit image

带

枕头

：

import numpy as np
from PIL import Image
image = Image.open("my_image.jpg")
image = image.resize((224, 224))
image = np.asarray(image)  # convert to numpy

使用

sckit图像

：

from skimage.transform import resize
image = imread("my_image.jpg")
image = resize(image, (224, 224))

---

原始答案

np.reformate

将首先散开元素，然后将它们排序为指定的新形状，如您所见，会丢失许多空间关系。很可能，您实际要做的是

np.将图像转置

，交换两个轴：

images=[]
image = imread('1.png')
resized = np.resize(image, (320, 440))
images.append(resized)

arr=np.asarray(images)
newArray=arr.astype('float32')

plt.figure(figsize=[5, 5])
transposed = np.transpose(newArray[0])
plt.imshow(transposed, cmap='gray')
plt.show()

---

调整大小和重塑是两种根本不同的操作！我怀疑

newArray[0]

是罪魁祸首，尝试一下

newArray

什么都没有发生，我这样写是因为将来我会在循环中重塑更多图像。我不认为你想在图像或类似图像的数组上使用

np.resize

。使用图像大小调整工具

np.resize

以一维方式扩展或截断数组，无需缩放或插值。为什么要使用

np.resize

？你期望它做什么？您是否在一个可以详细检查的小阵列上对其进行了测试？在调整大小之前，

图像的
形状是什么？这只是旋转图片。不是我想要的。我不完全清楚你的意图。应用
np.resize
后，图像已具有尺寸（320440）。您想对
np进行反向操作。调整大小
？您至少需要原始图像尺寸，以及调整大小的形状大于原始图像的条件，否则您将破坏这些边界之外的任何信息。相反的操作很简单：
orig_image=resized[：image.shape[0]，：image.shape[1]
我正在尝试重新创建此示例中的图像处理函数：。问题ist misc已被弃用，因此它无法正常工作。我也有自己的数据集，尺寸为320x440。我承认，在我的代码中可能会有更多的错误和错误，我是python新手。啊，我明白了
imresize
的功能和意图与
np完全不同。resize
，前者是一种图像处理操作，第二种只是对数组大小/形状的操作，而不是为图像设计的（其中数组数据具有空间意义）。由于本教程使用了
scikit图像
，因此只需使用
skimage.transform.resize
。我使用了您编写的枕头方法，现在我可以调整图片的大小，但在将其设置为asaray和astype（float）后，我无法对其进行重塑。这是错误：ValueError:无法将大小为150528的数组重塑为形状（224）。你知道发生了什么事吗？