np.expand_dims(a, axis)函数:
- a表示输入的数组;
- axis用于指定需要增加的维度
- 返回值:数组
- 不会修改原数组;
np.squeeze(a, axis=None)函数:
- a表示输入的数组;
- axis用于指定需要删除的维度,但是指定的维度必须为单维度,否则将会报错;
- axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空,则删除所有单维度的条目;
- 返回值:数组
- 不会修改原数组;
import matplotlib.pyplot as plt
import cv2 as cv
import numpy as np
image = cv.imread("1.png") # opencv读进来的彩色图片维度是(高度,宽度,通道数)。数据类型是uint8。
plt.imshow(image[:, :, ::-1])
print(image.shape) # HWC(高度,宽度,通道数)
print(image.dtype) # 数据类型 uint8
blob = cv.resize(image, (300, 300))
# 图片矩阵变换
image_blob = blob.transpose(2, 0, 1) # 矩阵转置 HWC → CHW
print(image_blob.shape) # CHW
# 在深度学习搭建CNN时,对图像要进行一个维度扩展,比如扩展成一个批次形式(batch_size, channels, height, width)。
image_blob = np.expand_dims(image_blob, axis=0) # 提升图片维度 NCHW
print(image_blob.shape) # NCHW N:图片的数量, C:通道数 H:高 W:宽
res = np.squeeze(image_blob, axis=0) # 降低图片维度 CHW
print(res.shape) # CHW C:通道数 H:高 W:宽
plt.show()
输出结果: