PIL Numpy Tensor 中图像形状对应的意义

PIL Numpy Tensor 中图像形状对应的意义

图像可以转为PIL, Numpy以及Pytorch的Tensor中的任意一种形式，并且三种形式之间可以互相转换，并且三者都有可以打印图像形状的方式，但是三者打印出的形状代表的意义并不相同：

cat.jpg图片为一张像素为889*500的猫咪图像，如下所示：

image = Image.open('./cat.jpg').convert("RGBA")
image.size
>>> (889, 500)
image_array = np.array(image)
image_array.shape
>>> (500, 889, 4)
transform = transforms.Compose([transforms.ToTensor(),])
image_tensor = transform(image)
image_tensor.shape
>>> torch.Size([4, 500, 889])

可以看出，将原始的图像输入到PIL中的Image.open()方法中，得到的维度输出为（宽度，高度），而将Image转为numpy类型，得到的维度输出为（高度，宽度，通道数），将Image转为tensor类型，得到的维度输出为（通道数，高度，宽度）。