我正在阅读某人的transform.py，其中有一段代码确实使我感到困惑。在这里：
np.concatenate(img_group, axis=2)
但是，这里的img_group是<class 'PIL.Image.Image'>的序列，我浏览了np.concatenate（）的文档，它告诉我：enter link description here
numpy.concatenate（（a1，a2，...），axis = 0，out = None） 沿现有轴连接一系列数组。 参数： a1，a2，…： array_like序列 数组必须具有相同的形状，除了与轴对应的尺寸（默认为第一个）。
我尝试了一些示例，例如：
x = Image.open('flows/v_ApplyEyeMakeup_g08_c01/frame/img_00001.jpg').convert('RGB')
y = Image.open('flows/v_ApplyEyeMakeup_g08_c01/frame/img_00002.jpg').convert('RGB')
z = np.concatenate([x,y], axis=2)
然后它起作用了！ z是numpy.ndarray类型，其大小为（240,320,6）。但是，<class 'PIL.Image.Image'>似乎不是array参数所需的np.concatenate()类型，所以我想知道它是如何工作的？
答案 0 :(得分：1)
Numpy对array-like个对象进行操作。这是关于什么构成数组相似性的问题的link。 python对象类似于数组的一种方法是实现#include<iostream>
#include<vector>
using namespace std;
int main(){
vector<int> A = {1,2,3,4,5};
cout << A[1];
return 0;
}
方法。这正是PIL.Image所做的。
答案 1 :(得分：0)
如果您查看source for PIL.Image，将看到它具有名为__array_interface__的属性，并且其下方的注释是：
＃numpy数组接口支持。
我的猜测是numpy使用此属性将图像转换为数组，因此能够将其作为一个数组进行处理。
也是Image对象“ array_like”的属性。参见__array_interface__。