Python中如何将(885, 1268)形状的图像转为(1,254,254,3)格式？

你当前得到的形状为(885, 1268)的数组是单通道灰度图像的数值矩阵，要转换为形状为(1,254,254,3)的数组，需要完成尺寸缩放、单通道转3通道、新增batch维度三个核心操作，以下是可直接运行的实现代码：

基于OpenCV实现 #

安装依赖：pip install opencv-python numpy

import cv2
import numpy as np

# 假设你的原数组命名为 src_array ，形状为(885, 1268)
# 1. 缩放至254×254尺寸，插值方式可按需调整，常用的有cv2.INTER_AREA（缩小推荐）、cv2.INTER_LINEAR（线性插值）
resized_array = cv2.resize(src_array, (254, 254), interpolation=cv2.INTER_AREA)
# 2. 单通道转3通道：将灰度通道复制3次堆叠
rgb_array = cv2.cvtColor(resized_array, cv2.COLOR_GRAY2RGB)
# 3. 新增最外层的batch维度
target_array = np.expand_dims(rgb_array, axis=0)

# 验证形状
print(target_array.shape) # 输出为 (1, 254, 254, 3)

基于Pillow实现 #

安装依赖：pip install pillow numpy

from PIL import Image
import numpy as np

# 假设你的原数组命名为 src_array ，形状为(885, 1268)
# 1. 转PIL图像对象后缩放
img = Image.fromarray(src_array)
resized_img = img.resize((254, 254), Image.Resampling.LANCZOS)
resized_array = np.array(resized_img)
# 2. 单通道转3通道，堆叠三次
rgb_array = np.stack([resized_array]*3, axis=-1)
# 3. 新增batch维度
target_array = np.expand_dims(rgb_array, axis=0)

# 验证形状
print(target_array.shape) # 输出为 (1, 254, 254, 3)

注意事项 #

• 如果你需要将数组作为深度学习模型的输入，可按需补充数据类型转换和归一化操作，比如添加target_array = target_array.astype(np.float32) / 255.0将数值归一化到0~1区间
• 插值方式可根据你的业务场景调整，缩小图像推荐用区域插值/ Lanczos插值，放大图像推荐用线性插值

内容的提问来源于stack exchange，提问作者Hamza.S