Python将RGB图像转灰度后使用np.append拼接数组维度错误问题求助

• np.append的行为完全匹配当前输出结果：代码初始用空Python列表初始化变量，第一次执行np.append时，NumPy会将空列表转换为形状(0,)的一维空数组；后续每次沿着axis=0追加长度22500的一维灰度像素数组，本质是将所有像素值顺序堆叠到同一条一维序列中。33张图的总像素长度为33*22500=742500，与实际输出形状完全一致。
• 目标二维结构(33, 22500)要求每张图的展平灰度数据作为独立的二维行存储，而现有逻辑没有给单份灰度数据增加行维度，导致所有数据被折叠为无分层的一维向量。

方案1：列表收集后统一转换数组（推荐，性能最优） #

避开循环内反复调用np.append带来的内存重复拷贝开销，先将所有单份展平灰度值存入Python列表，最后一次性转换为二维NumPy数组：

grayscale_cache = []
for i in range(len(x1)):
    image = x1[i].reshape(150, 150, 3)
    # 提取绿色通道分量
    channel_g = image[:, :, 1]
    # 展平后加入缓存列表
    grayscale_cache.append(channel_g.reshape(-1))
# 列表元素统一为等长一维数组，转换后自动生成(33,22500)的二维结构
arr = np.array(grayscale_cache)

方案2：调整数组维度适配np.append逻辑（兼容现有代码结构） #

如果坚持使用np.append实现拼接，需要从两个维度修正：

• 初始空数组对齐目标二维结构，提前定义为形状(0, 22500)的空二维数组
• 每份展平后的灰度图从长度22500的一维向量，调整为形状(1, 22500)的单行列二维结构，保证轴向拼接时逐行追加

修正后代码：

arr = np.empty((0, 22500))
for i in range(len(x1)):
    image = x1[i].reshape(150, 150, 3)
    channel_g = image[:, :, 1].reshape(1, 22500)
    arr = np.append(arr, channel_g, axis=0)

方案3：向量化无循环操作（最小计算开销） #

如果批量图像数据x1本身是形状为(33, 150, 150, 3)的堆叠数组，无需编写循环，直接通过切片操作提取所有图像的绿色通道分量，一步生成目标二维结构：

# 直接提取所有样本的绿色通道，批量展平为二维数组
arr = x1[:, :, :, 1].reshape(len(x1), -1)

这种写法没有Python层循环，全部由NumPy底层完成计算，性能远高于循环处理逻辑，匹配降低流程计算开销的需求。

内容的提问来源于stack exchange，提问作者sjsu