numpy.resize(image,(IMG_HEIGHT,IMG_WIDTH,3)) 中的 3 是啥？

Posted 2023-03-16

【中文标题】numpy.resize(image,(IMG_HEIGHT,IMG_WIDTH,3)) 中的 3 是啥？

【英文标题】：What is 3 in numpy.resize(image,(IMG_HEIGHT,IMG_WIDTH,3))?numpy.resize(image,(IMG_HEIGHT,IMG_WIDTH,3)) 中的 3 是什么？

【发布时间】：2021-11-02 20:59:54

【问题描述】：

在尝试在 ML 中构建字母分类器时，这是使用 PIL 从文件夹中的图像创建图像数据和标签的代码。

def create_dataset_PIL(img_folder):

img_data_array=[]
class_name=[]
for dir1 in os.listdir(img_folder):
    print(dir1)
    for file in os.listdir(os.path.join(img_folder, dir1)):       
        image_path= os.path.join(img_folder, dir1,  file)
        image= np.array(Image.open(image_path))
        image= np.resize(image,(IMG_HEIGHT,IMG_WIDTH,3))
        image = image.astype('float32')
        image /= 255  
        img_data_array.append(image)
        class_name.append(dir1)
return img_data_array , class_name

每个图像已经是数据集中的32 X 32 像素，我正在将其大小调整为32 X 32 X 3 维度的列表。 但我不明白，当我只需要 32 X 32 像素时，这个第 3 维是什么？

我偶然发现了Numpy Resize/Rescale Image，在那里我了解到这可能是插值参数。同样从 YouTube，我了解到调整图像大小时需要插值。但我不知道如何处理这些额外的数据？我的神经网络的输入层大小现在应该是 32 X 32 X 3 而不是 32 X 32？

【参考方案1】：

Digital image 中的第 3 维包含有关图像中 (x,y) 坐标像素上的颜色信息，也称为color channel。

最常见的渠道类型

RGB 模式：如果值为 3 例如：image_shape: [32,32,3] 灰度模式：如果值为 1 例如：image_shape: [32,32,1]

如果您的 ML 模型不需要颜色功能，您可以使用 Scikit-image 通过rgb2gray 转换为灰度

您可以在 NumPy here 中了解有关图像使用的更多信息

【讨论】：

感谢您的回答。如果我将 RGB 图像转换为灰度图像，请告诉我，这对图像分类器模型是否有害？

当涉及到机器学习时，它总是迭代实验，我们从基本参数开始，评估其性能，然后根据我们有根据的猜测调整参数，以检查我们的模型是否比我们的基本模型表现更好。循环继续，直到达到合理的性能。这里分别用RGB图像和灰度图像训练模型，然后根据其中更好的模型性能（预测精度）选择正确的参数

对。谢谢。

【参考方案2】：

3 表示 RGB（红-绿-蓝）值。 图像的每个像素由 3 个像素而不是 1 个像素表示。 在黑白图像中，每个像素将由 [pixel] 表示， 在 RGB 图像中，每个像素将由 [pixel(R),pixel(G),pixel(B)] 表示

实际上，图像的每个像素都有 3 个 RGB 值。这些范围在 0 到 255 之间，代表红色、绿色和蓝色的强度。较低的值代表较高的强度，较高的值代表较低的强度。例如，一个像素可以表示为这三个值的列表 [78, 136, 60]。黑色将表示为 [0, 0, 0]。

是的：你的输入层应该匹配这个 32X32X3。

【讨论】：

感谢您的回答。我有一个疑问，如果我的模型只是一个文本分类器，我不应该将我的 RGB 图像转换为灰度图像吗？这意味着 NN 的复杂性更低？

灰度只是降低复杂性：从 3D 像素值 (R,G,B) 到 1D 值。许多任务在使用 3D 像素（例如边缘检测）时效果并不好。但是，缩小维度数量可能会丢失重要信息。最后，你可以两者都尝试，然后找到更适合你的（准确/运行时..）

谢谢。我也会这样做。