为何Pillow生成的灰度/黑白图像对应numpy.ndarray为3D形状？

输入代码 #

import numpy as np
from PIL import Image

with Image.open("testimage.png") as img:
    img.convert('L')   # 转换为灰度图 
    #img.convert('1')  # 转换为黑白图
    image_pil = np.asarray(img)  
print(f'{image_pil.shape=}')

输出结果 #

image_pil.shape=(266, 485, 3)

技术疑问 #

为什么image_pil的形状不是(266, 485)或(266, 485, 1)？预期得到二维灰度图像，但结果显示形状为(266, 485, 3)，说明仍是RGB图像；使用.convert('1')转换为黑白图像也得到相同结果，为什么它们的形状不是(266, 485)？

解答 #

核心原因是PIL的convert()方法不会修改原图像对象，而是返回一个新的转换后的图像实例。你当前的代码只是调用了convert('L')但没有把返回值重新赋值给img，后续np.asarray(img)处理的还是最初打开的RGB原图，所以形状依然是3通道的。

修正后的代码需要将转换结果赋值回img：

import numpy as np
from PIL import Image

with Image.open("testimage.png") as img:
    img = img.convert('L')  # 将转换后的图像赋值给img，替换原对象
    # img = img.convert('1')  # 转换黑白图像时同理
    image_pil = np.asarray(img)  
print(f'{image_pil.shape=}')

调整后，灰度图像（'L'模式）的形状会是(266, 485)，黑白图像（'1'模式）的形状同样为二维的(266, 485)——因为这两种模式本身就是单通道格式。

如果需要得到形状为(H, W, 1)的数组，可以在转换后通过np.expand_dims()手动添加维度：

image_pil = np.expand_dims(np.asarray(img), axis=-1)

内容的提问来源于stack exchange，提问作者Sun Bear