Python 如何重塑3D numpy阵列？

我有一个numpy阵列的列表，它们实际上是我的CNN的输入图像。然而，我的每幅图像的大小都不是余弦的，我的CNN只拍摄224X224的图像。我如何将我的每一个图像重塑为给定的维度？

打印（序列图像[key]。重塑（224224,224,3））

给我一个输出

ValueError:新数组的总大小必须保持不变

---

如果有人能帮助我，我将不胜感激。

以下是我知道的实现这一目标的几种方法：

由于您使用的是python，因此可以使用

cv2.resize（）

，将图像大小调整为224x224。这里的问题将是扭曲

缩放图像以调整到所需尺寸之一（W=224或H=224），并修剪掉多余的部分。这里的信息丢失了

如果有较大的图像和边界框，请使用一些三角形到边界框来保持纵横比，然后向下调整大小至所需大小

---

重塑numpy数组时，维度的生成必须匹配。如果没有，它将抛出一个

ValueError

。使用

重塑

无法解决您的问题，好吧。

当您重塑时，新数组应该具有相同数量的值。在这两种情况下，您需要裁剪图片（如果图片大于224x224）和填充（如果图片小于224x224）或调整大小

裁剪只是使用正确的索引进行切片：

def crop(np_img, size):
    v_start = round((np_img.shape[0] - size[0]) / 2)
    h_start = round((np_img.shape[1] - size[1]) / 2)
    return np_img[v_start:v_start+size[1], h_start:h_start+size[0],:]

填充稍微复杂一些，这将以所需的形状创建一个零数组，并插入图像中的值：

def pad_image(np_img, size):
    v_start = round((size[0] - np_img.shape[0]) / 2)
    h_start = round((size[1] - np_img.shape[1]) / 2)

    result = np.zeros(size)
    result[v_start:v_start+np_img.shape[1], h_start:h_start+np_img.shape[0], :] = np_img

    return result

您还可以对其使用以下功能：

def pad_image(np_img, size):
    v_dif = size[0] - np_img.shape[0]
    h_dif = size[1] - np_img.shape[1]
    return np.lib.pad(np_img, ((v_dif, 0), (h_dif, 0), (0, 0)), 'constant', constant_values=(0))

您可能会意识到，两个函数中的填充有点不同，我不想使问题过于复杂，只是在第二个函数中填充了top和left。因为计算起来比较容易，所以双方都在第一个项目中进行了比较

最后，为了调整大小，最好使用另一个库。你可以使用，它非常简单。这应该做到：

imresize(np_img, size)

---

标准方法是调整图像大小，使较小的边等于224，然后将图像裁剪为224x224。将图像大小调整为224x224可能会使图像失真，并可能导致错误的训练。例如，如果图像不是正方形，则圆可能变成椭圆。保持原始纵横比很重要。

您可以选择什么样的形状更改是正确的-缩放、裁剪、填充？忘了

np。为这个应用程序重塑
。嘿，感谢@umoto的解决方案，真的很感激。但是，将较小的尺寸调整为224不会影响图像的纵横比仔细阅读-我说
调整图像的大小，使较小的一面等于224
而不是只调整一面的大小。嗯……对不起，我的不好。但是裁剪图像会导致信息丢失。谢谢你的回答：）没错，裁剪图像会导致信息丢失，但是人们通常从图像的中间裁剪，假设感兴趣的对象保持完整。此外，您可能会使用大量冗余信息制作多个作物。这实际上有助于提高训练精度，是一种流行的数据增强方法。