将PIL Image转为numpy数组后图像错位失真，求问题排查与解决

问题出在图像维度顺序搞反了 #

PIL的Image.size返回的是**(宽度, 高度)，但numpy存储图像的标准格式是(高度, 宽度, 通道数)**。你在reshape的时候写成了(pic.size[0], pic.size[1], 3)，相当于把宽度当成了数组的行（高度方向），高度当成了数组的列（宽度方向），整个图像的行列完全颠倒。后续遍历像素时，i和j对应到了错误的位置，导致像素错位，最终出现对角线伪影。

两种修正方法 #

方法1：修正reshape的维度顺序 #

把reshape的参数改成(pic.size[1], pic.size[0], 3)，让numpy数组的维度符合（高度, 宽度, 通道）的常规格式：

pic = Image.open("red.jpg")
# 修正维度顺序：高度在前，宽度在后
img = np.array(pic.getdata()).reshape(pic.size[1], pic.size[0], 3)
grayscale = avgcolors(img)
plt.imshow(grayscale, cmap='gray')
plt.show()

你的avgcolors函数逻辑本身没问题，只要输入矩阵维度正确，就能得到预期的灰色效果。

方法2：用numpy向量化操作替代循环（更高效） #

嵌套循环处理像素效率极低，numpy支持直接对通道维度求均值，一行代码就能完成转换，还能避免循环可能带来的错误：

def avgcolors(img_matrix):
    # 对第三个维度（RGB通道）求均值，四舍五入后转整数
    return np.round(np.mean(img_matrix, axis=2)).astype(int)

调用时同样要先修正reshape的维度，这种方式处理大图像的速度会快很多。

内容的提问来源于stack exchange，提问作者D. Brito