TensorFlow调用tf.image.sobel_edges报MirrorPad维度错误如何解决

tf.image.sobel_edges()要求输入必须是秩为4的张量，形状格式为[batch_size, image_height, image_width, channels]。当前通过tf.io.decode_jpeg()读入的图片是秩为3的张量，形状为[400,400,3]，缺少批次维度，接口内部调用MirrorPad做边缘填充时，填充参数是按4维输入生成的，和输入秩不匹配直接触发报错。
除此之外原代码还有两处逻辑错误：

• tf.image.resize()仅支持调整高度、宽度两个空间维度，传入(100,100,4)试图同时修改通道数是无效写法
• tf.image.sobel_edges()输出为秩5的张量，形状格式为[batch, h, w, channels, 2]，最后一维存储x、y两个方向的梯度值，无法直接resize得到目标4通道结果。

按以下逻辑调整预处理流程即可同时满足提取轮廓、输出目标结构的要求：

• 读入图片后先完成空间维度resize，再在第0位扩展批次维度，满足sobel接口的输入要求
• 调用sobel接口计算梯度后，通过L2范数合成单通道边缘轮廓图
• 将原RGB三通道和边缘轮廓图在通道维度拼接，得到4通道结果
• 最后做0-1归一化即可

import tensorflow as tf

def preprocess(file_path):
    # 读取文件并解码JPEG图片
    byte_img = tf.io.read_file(file_path)
    img = tf.io.decode_jpeg(byte_img)
    
    # 先将图片resize到目标空间尺寸100x100
    img = tf.image.resize(img, (100, 100))
    # 扩展批次维度，将3维张量转为4维输入满足sobel接口要求
    img_batch = tf.expand_dims(img, axis=0)
    
    # 计算sobel边缘梯度
    sobel_grad = tf.image.sobel_edges(img_batch)
    # 合成单通道边缘轮廓图
    edge_map = tf.norm(sobel_grad, axis=-1)
    # 拼接原RGB图和边缘图，得到4通道4维结构输出，形状为[1, 100, 100, 4]
    img_output = tf.concat([img_batch, edge_map], axis=-1)
    
    # 像素值归一化到0-1区间
    img_output = img_output / 255.0

    # 如果不需要保留批次维度，想要形状为[100,100,4]的3维张量，取消注释下一行即可
    # img_output = tf.squeeze(img_output, axis=0)
    
    return img_output

# 函数调用
img = preprocess('data\\picture(75).jpg')

• 如果你需要的4维结构是指张量维度数为4，上述代码直接返回的结果就是形状为(1, 100, 100, 4)的4维张量，同时包含原图像信息和提取的轮廓信息。
• sobel计算出的x、y方向梯度存在负值，直接拼接使用会影响后续归一化逻辑，通过范数合成边缘图可以保证像素值非负，适配常规图像预处理流程。

内容的提问来源于stack exchange，提问作者Anefu