ImageNet 2012图片加载为np.array时的颜色格式兼容问题

问题说明 #

编写的图片加载代码在处理ImageNet 2012数据集时，多数RGB格式图片可正常运行，但部分非RGB格式（如测试集的n02105855_2933.JPEG）会生成4通道数组，导致转换为np.array时报错。需要更通用的格式统一方法，同时明确ImageNet 2012包含的其他颜色格式。

优化后的加载代码 #

原代码存在缩进错误（图片处理逻辑位于for循环外，仅能处理最后一张图），且仅针对CMYK格式做转换，无法覆盖所有非RGB场景。以下是修复并优化后的代码：

from PIL import Image
import numpy as np

def load_image_list(PATH, IMAGE_LIST):
    output_list = []
    for fname in IMAGE_LIST:
        # 打开图片并强制转换为RGB格式，统一处理所有非RGB场景
        img_pil = Image.open(f"{PATH}/{fname}").convert('RGB')
        
        # 中心裁剪到正方形
        width, height = img_pil.size
        smallest_dim = min(width, height)
        left = (width - smallest_dim) // 2
        right = left + smallest_dim
        top = (height - smallest_dim) // 2
        bottom = top + smallest_dim
        img_pil = img_pil.crop((left, top, right, bottom))
        
        # 缩放到224x224
        img_pil = img_pil.resize((224, 224))
        
        # 转换为numpy数组并调整通道顺序为(C, H, W)
        img_np = np.asarray(img_pil, dtype="float32")
        # 防御性判断：避免极端场景下的单通道情况
        if img_np.ndim == 2:
            img_np = np.stack((img_np,) * 3, axis=-1)
        img_np = np.rollaxis(img_np, 2, 0).astype(np.float32)
        output_list.append(img_np)
    
    # 转换为统一的numpy数组并归一化
    output_list = np.array(output_list, dtype="float32")
    output_list = output_list / 255
    return output_list

优化点说明 #

1. 强制格式统一：直接使用.convert('RGB')，无需判断具体模式——PIL会自动处理灰度图、CMYK、RGBA、YCbCr等格式，统一输出3通道RGB图，从根源避免多通道/单通道问题。
2. 修复缩进错误：将图片处理逻辑移入for循环内，确保每张图片都被正常处理。
3. 整数运算优化：使用//替代/，避免裁剪坐标出现浮点数导致PIL报错。
4. 简化异常逻辑：通过提前统一格式，无需再保留复杂的except排查代码。

ImageNet 2012常见的非RGB颜色格式 #

ImageNet 2012数据集中除标准RGB外，还包含以下几种常见格式：

• 灰度图（L模式）：单通道，像素值为0-255的灰度值。
• CMYK模式：四通道，用于印刷色彩空间，常见于部分扫描或专业摄影图片。
• RGBA模式：四通道，包含RGB三通道+透明通道（Alpha）。
• YCbCr模式：三通道，JPEG压缩的原生色彩空间，部分图片会以该格式存储。
• LAB模式：三通道，基于人眼感知的色彩空间，数量较少但偶有出现。

内容的提问来源于stack exchange，提问作者GreedyGroot