Python和OpenCV中的类似图像形状转换

Question

我是Python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中运行此命令会将I's shape转换为存储到h5_image

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

data_shape是：

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

1. OpenCV的相似功能是什么？它具有相同的输出？

2. 在(1, 3, 720, 1280)中，1是什么意思？

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

Answer 1

你可以在python / numpy中查看图像（I）作为具有N维的矩阵。

• 如果您有灰度图像，则每行和每列都会有单个值。这意味着2个维度，形状将是：I.shape --> (rows, cols)
• 使用RGB图像，您有3个频道，红色，绿色，蓝色。因此，您总共有3个维度：I.shape --> (rows, cols, 3)
• 使用RGBA图像，您有4个通道，红色，绿色，蓝色，alpha。还有3个维度：I.shape --> (rows, cols, 4)

这些是保存图像数据的常用方法，但当然您可以以任何您喜欢的方式保留它，只要您知道如何阅读它。例如，您可以将其保持为1维中的一个长向量，并保持图像的宽度和高度，以便您知道如何将其读取为2D格式。

有关更具体的问题：

1. 我不确定您要查找的输出是什么。您也可以在OpenCV中执行transpose()或flip()。
2. (1, 3, 720, 1280)仅表示您有一个额外的退化维度。要访问每个像素，您必须编写I[1,channel,row,col]。 1是不必要的，并且它不是保持图像数组的常用方法。你为什么要这样做？您想以特定格式保存吗？ （HDF5？）
3. 唯一的区别在于您的数据安排。例如，在(3, 720, 1280)的情况下，要获取红色通道，您需要编写：red = I[0,:,:]。在(720, 1280, 3)的情况下，你需要写：red = I[:,:,0]（这是更常见的）。

*有一些性能问题取决于您记忆中图像数据的实际布局，但我认为您现在不需要关心这一点。