深度学习入门之python读取图片转化为向量

一、需求

在深度学习过程中，往往需要制作自己的数据集，相关论文中的现成的数据集尽管可以用来直观地感受算法的效果，但是与自己的项目需求都是有一定出入的。
在有大量的图片样本时，我们首先需要读取图片，将其转化为numpy数组，并在控制台打印出来，直观地看到图片对应的矩阵是什么样子的。

二、python程序

// 将图片转换为numpy数组，并在控制台打印
from PIL import Image;
import numpy as np；
// 括号中为图片的文件路径名，一般路径名的格式如C://Users//Lenovo//Desktop//E
raw_image=Image.open("face.jpg")
// 将图片转化为numpy数组
image_array=np.array(raw_image)
// 输出结果
print(image_array)

三、效果

图片原始效果图

在控制台打印输出的结果

可以看到，对于彩色RGB三通道图片，其实际上是一个二维矩阵，并且矩阵的每一个元素是由R、G、B三通道的值组成的。
上面的人脸图片来源于某数据集，为了验证图像矩阵的正确性，我们从数据集中直接加载，输出结果进行比较。

奇怪的事情发生了，一个是将图像矩阵保存为图像，然后再读取，转换为numpy数组；一个是直接打印numpy数组。我觉得这个可能是跟array到图像的转换方式有关，后面做一下不同转换方法之间的比较。