图像转独热数组再还原后出现全黑图像问题求助

嘿，我知道你为啥还原后图像全黑了——问题出在原始标签值和one-hot编码的类别索引不匹配上，咱们一步步理清楚：

核心问题 #

你的原始标签是0和255，但tf.one_hot的输入需要的是类别索引（比如0和1对应2类），而不是像素值。当你直接把255喂给tf.one_hot(depth=2)时：

• TensorFlow会把255当成超出[0, depth-1]的无效索引，对应的独热向量会变成全0
• 之后用np.argmax时，全0向量的最大值索引是0，所以还原后所有像素都变成了0，自然显示全黑

修正步骤（附修改后的代码） #

我们需要先把0/255的像素值转换成0/1的类别索引，再做one-hot编码，最后还原时再转回去：

labels = [] 
labels.append(label_1) 
labels.append(label_2) 
labels.append(label_3) 
labels = np.asarray(labels) 
print(labels.shape) # (3, 512, 512) 

# 第一步：把0/255转换成0/1的类别索引（两种方式任选其一）
# 方式1：用np.where
labels_idx = np.where(labels == 255, 1, 0)
# 方式2：更简洁的整数除法（255//255=1，0//255=0）
# labels_idx = labels // 255

sess = tf.InteractiveSession()
# 第二步：正确生成2类独热编码
one_hot_labels = tf.one_hot(labels_idx, depth=2)
one_hot_np = one_hot_labels.eval()  # 得到形状(3,512,512,2)的数组

# 第三步：还原并转回0/255的像素值
restored_idx = np.argmax(one_hot_np, axis=-1)  # 得到0/1的索引
restored_labels = restored_idx * 255  # 把1转回255，0保持不变

# 现在显示restored_labels就会和原始图像一致了！

验证要点 #

• 转换后的labels_idx应该只有0和1两个值
• one_hot_np中，原始0对应的是[1,0]，原始255对应的是[0,1]
• 还原后的restored_labels形状回到(3,512,512)，值为0和255

内容的提问来源于stack exchange，提问作者Anakin