使用scikit-image的pyramid_reduce后图像维度异常，如何修复？

你的问题出在pyramid_reduce的默认参数设置上——它默认不会把图像的最后一个维度识别为颜色通道，而是将其当作普通的特征维度进行降采样，所以原本的3通道RGB图被压缩成了单通道。

下面是两种针对性的解决方案，适配不同版本的scikit-image：

方案1：针对scikit-image 0.19及以后版本（推荐） #

新版本中multichannel参数被弃用，改用channel_axis来指定颜色通道的位置。对于RGB图像，通道在最后一维，所以设置channel_axis=-1即可：

import os, cv2, glob
import numpy as np
import matplotlib.pyplot as plt
from skimage import io
from skimage.transform import pyramid_reduce

# 拆分导入语句，代码可读性更好
plt.style.use('dark_background')

img_path = os.path.join(img_base_path, value[0])
img = io.imread(img_path)
# 指定通道维度，保留RGB三通道结构
resized = pyramid_reduce(img, downscale=4, channel_axis=-1)
print(resized.shape)  # 现在应该输出(60, 60, 3)

方案2：针对scikit-image 0.18及更早版本 #

旧版本使用multichannel=True来告诉函数最后一维是颜色通道：

resized = pyramid_reduce(img, downscale=4, multichannel=True)

为什么会出现这个问题？ #

默认情况下，pyramid_reduce会把输入的数组当成多特征的单通道数据（比如每个像素有3个特征值），而不是RGB图像。所以它会对所有维度（包括通道维度）执行降采样操作，最终把3通道压缩成了1通道。通过指定通道相关的参数，函数就会单独对每个颜色通道进行降采样，保留原有的3通道结构，这样matplotlib.imshow就能正常识别并显示图像了。

内容的提问来源于stack exchange，提问作者Stelladuck