在图像上使用 skimage.transform.rescale 两次创建额外的通道

Question

在我正在做的 coursera 指导项目中，讲师使用

from skimage.transform import rescale

image_rescaled = rescale(rescale(image,0.5),2.0)

扭曲图像。

在我自己的设备上发生的错误（并且在项目的 jupyter notebook 上没有出现，可能是由于模块和 python 的版本不同）是通道的数量增加image_rescaled了1.

例如=>images_normal.shape = (256,256,256,3)和images_with_twice_reshape.shape=(256,256,256,4)

如果我使用，则不会出现此问题rescaled(rescale(image,2.0),0.5)。

这是在较新版本的 python/skimage 中使用还是我做错了什么？

对于其他参考（没有从源代码中删除任何内容，但用#s 突出显示了重要部分）：

import os

import re

from scipy import ndimage, misc

from skimage.transform import resize, rescale

from matplotlib import pyplot

import numpy as np

def train_batches(just_load_dataset=False):

    batches = 256 # Number of images to have at the same time in a batch

    batch = 0 # Number if images in the current batch (grows over time and then resets for each batch)

    batch_nb = 0 # Batch current index

    

    ep = 4 # Number of epochs

    images = []

    x_train_n = []

    x_train_down = []

    

    x_train_n2 = [] # Resulting high res dataset

    x_train_down2 = [] # Resulting low res dataset

    

    for root, dirnames, filenames in os.walk("data/cars_train.nosync"):

        for filename in filenames:

            if re.search("\.(jpg|jpeg|JPEG|png|bmp|tiff)$", filename):

                filepath = os.path.join(root, filename)

                image = pyplot.imread(filepath)

                if len(image.shape) > 2:

                        

                    image_resized = resize(image, (256, 256)) # Resize the image so that every image is the same size

#########################

通过上面的代码，我得到了x_train_n2.shape = (256,256,256,3)和x_train_down2.shape=(256,256,256,4)。

Answer 1

我能够按如下方式重现您的问题：import numpy as npfrom skimage.transform import resize, rescaleimage = np.random.random((512, 512, 3))resized = resize(image, (256, 256))rescaled2x = rescale(        rescale(resized, 0.5),        2,)print(rescaled2x.shape)# prints (256, 256, 4)问题是resize可以推断你的最终维度是通道/RGB，因为你给它一个 2D 形状。rescale，另一方面，将您的数组视为形状为 (256, 256, 3) 的 3D 图像，它下降到 (128, 128, 2)，也沿着颜色进行插值，就好像它们是另一个空间维度一样，然后上采样到 (256, 256, 4)。如果您查看rescale文档，您会发现“多通道”参数，描述为：图像的最后一个轴是被解释为多通道还是另一个空间维度。所以，更新我的代码：rescaled2x = rescale(        rescale(resized, 0.5, multichannel=True),        2,        multichannel=True,)print(rescaled2x.shape)# prints (256, 256, 3)