如何重塑3D numpy数组？

Question

我有一个numpy数组的列表，这些数组实际上是我的CNN的输入图像。 但是，我的每个图像的大小都不一致，并且我的CNN仅拍摄尺寸为224X224的图像。 如何将每个图像重塑为给定尺寸？ print(train_images[key].reshape(224, 224,3))

给我一个输出

ValueError: total size of new array must be unchanged如果有人可以帮助我，我将非常感激。

Answer 1

我知道几种实现此目的的方法：

1. 由于您使用的是python，因此可以使用cv2.resize()将图像调整为224x224。 这里的问题将是失真。
2. 缩放图像以调整为所需大小之一（W = 224或H = 224），并修剪掉多余的部分。 这里缺少信息。
3. 如果您有较大的图像和一个边框，请使用一定数量的边框来保持纵横比，然后将其调整为所需的尺寸。

重塑numpy数组时，尺寸的产生必须匹配。 如果没有，它将抛出ValueError 。 没有使用reshape来解决您的问题的解决方案AFAIK。

Answer 2

重塑时，新数组应具有相同数量的值。 您需要的是裁剪图片（如果大于224x224）和填充（如果小于224x224）或两种情况都需要调整大小。

裁剪只是对具有正确索引的切片：

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],:]

填充稍微复杂一点，这将创建所需形状的零点数组，并插入其中的image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

您也可以使用np.pad函数：

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))

您可能意识到填充在两个函数中有些不同，我不想让问题变得复杂，只需在第二个函数的顶部和左侧填充。 双方都在第一个中进行，因为它更容易计算。

最后，为了调整大小，最好使用另一个库。 您可以使用scipy.misc.imresize ，它非常简单。 应该这样做：

imresize(np_img, size)

Answer 3

标准方法是调整图像大小，使较小的一面等于224，然后将图像裁剪为224x224。 将图像调整为224x224的尺寸可能会使图像失真，并可能导致错误的训练。 例如，如果图像不是正方形，则圆形可能会变成椭圆形。 保持原始宽高比很重要。