Python和OpenCV中类似的图像形状转换

Question

我是Python的新手，很难理解Python中的图像形状转换。

在Python代码中，图像I has I.shape

ipdb> I.shape
(720, 1280, 3)

在Python中运行此命令将转换I's shape并存储到h5_image

 h5_image = np.transpose(I, (2,0,1)).reshape(data_shape)

其中data_shape是：

 ipdb> p data_shape
 (1, 3, 720, 1280)

1. OpenCV的输出相似的功能是什么？

2. 在(1, 3, 720, 1280) ，1是什么意思？

3. (3, 720, 1280)和(720, 1280, 3) (3, 720, 1280)什么区别？

Answer 1

您可以在python / numpy中将图像（ I ）视为具有N个维度的矩阵。

• 如果您有灰度图像，则每一行和每一列都有一个值。 这意味着2个维度，形状将为： I.shape --> (rows, cols)
• 对于RGB图像，您有3个通道，红色，绿色，蓝色。 因此，您总共有3个维度： I.shape --> (rows, cols, 3)
• 对于RGBA图像，您有4个通道，红色，绿色，蓝色，alpha。 仍然3维： I.shape --> (rows, cols, 4)

这些是保存图像数据的常用方法，但是当然，只要您知道如何读取，就可以以任何喜欢的方式保存它。 例如，您可以将其作为一维矢量保持一个长矢量，还可以保留图像的宽度和高度，因此您知道如何将其读取为2D格式。

对于您更具体的问题：

1. 我不确定您要寻找的输出是什么。 您也可以在OpenCV中执行transpose（）或flip（） 。
2. (1, 3, 720, 1280)仅表示您还有其他退化尺寸。 要访问每个像素，您必须编写I[1,channel,row,col] 。 1是不必要的，并且不是保存图像阵列的常用方法。 为什么要这样做？ 您要以特定格式保存吗？ （HDF5？）
3. 唯一的区别在于数据的排列方式。 例如，对于(3, 720, 1280) ，要获得红色通道，您需要编写： red = I[0,:,:] 。 在(720, 1280, 3)的情况下，您需要编写： red = I[:,:,0] （这是更常见的）。

*有些性能问题取决于您内存中图像数据的实际排列方式，但是我认为您现在不需要关心这一点。