如何为r、g、b二维numpy数组新增第三维度以适配np.concatenate拼接需求

单通道数组新增第三维的实现方法 #

• 方法1：使用np.newaxis索引新增维度
  直接在数组索引末尾加np.newaxis（等价于Python内置的None）即可在最后一维新增长度为1的维度，转换后数组shape为(379, 754, 1)：
  示例代码：r[..., np.newaxis]、g[..., None]（两者效果完全一致）
• 方法2：使用np.expand_dims显式指定新增维度位置
  调用Numpy内置的维度扩展方法，指定axis=-1代表在最后一维新增：
  示例代码：np.expand_dims(r, axis=-1)
• 方法3：使用reshape方法重设数组形状
  直接指定新的维度结构，保留原有前两维大小，新增第三维长度为1：
  示例代码：r.reshape(379, 754, 1) 或者通用写法r.reshape(*r.shape, 1)

代码修正说明 #

除了给单通道数组新增维度外，你原有np.concatenate的拼接轴参数axis=0设置错误，要得到和fs匹配的(379, 754, 3)形状，需要在第三维拼接，即设置axis=2，修正后完整代码示例：

# 使用np.newaxis方案
fs = fs + np.concatenate((r[..., np.newaxis], g[..., np.newaxis], b[..., np.newaxis]), axis=2)

更简便的替代方案：直接用np.stack方法拼接三个数组，该方法会自动为每个数组新增维度后拼接，无需手动扩展维度：

# stack方案直接输出shape为(379, 754, 3)的数组
fs = fs + np.stack((r, g, b), axis=-1)

内容的提问来源于stack exchange，提问作者Zyder