numpy矩阵与与图像像素排布对应关系

通常我们使用的图像都是三通道，使用python的各种工具加载以后会变成ndarray格式,我们需要弄明白在numpy矩阵里面，每一行每一列对应着的值是图片的哪些信息，否者在做图像的处理时就会显得很盲目。下面通过实验说明：

我选用的实验图片是上面这只英国短毛猫，图像维度信息为(121,121,3)  分别为width*height*channels

image_path = './vgg19/cat.jpg'
input_image = scipy.misc.imread(image_path) # (121,121,3)
print(type(input_image)) # <class 'numpy.ndarray'>
input_image_c1 = input_image[:,:,0] # 最后一个维度拿第一个值，即获取图片的第一个通道
print(input_image.shape) # (121, 121, 3)
print(input_image_c1)
'''
[[214 212 210 ... 230 233 230]
 [214 213 213 ... 233 236 233]
 [210 214 215 ... 231 233 229]
 ...
 [212 211 210 ... 114 113 112]
 [218 216 215 ... 104 106 121]
 [217 216 218 ... 116 117 114]]
'''
print(input_image)
'''
[[[214 144  74]
  [212 143  74]
  [210 143  75]
  ...
  [230 170 110]
  [233 173 113]
  [230 170 108]]

 [[214 144  74]
  [213 144  75]
  [213 146  78]
  ...
  [233 173 113]
  [236 176 114]
  [233 173 111]]
  ...
  ...
]
'''
#经过分析可得， input_image里面[214 144  74]三个数分别代表的是该图片的第一个位置的三个通道值
# 以行主序先排列，第一个二维矩阵的第一列代表第1个通道的第1行，第二个二维矩阵的第一列代表第1个通道的第2行

#现在假如我们需要拿到这张图片第一个通道的第一行
input_image_c1_w1 = input_image[0:1,:,0]
print(input_image_c1_w1)

#现在假如我们需要拿到这张图片第一个通道的第1列
input_image_c1_h1 = input_image[:,0:1,0]
print(input_image_c1_h1)

具体理解需要自己调试代码进行分析，这样才能透彻！