如何将不同尺寸图像导入为(图像数,行尺寸,列尺寸)格式ndarray数组

我来帮你补全并优化代码，解决不同尺寸图像转为规整ndarray的问题～核心关键点是：不同尺寸的图像没法直接拼成统一的numpy数组，必须先统一所有图像的尺寸，这是生成规整数组的前提。

下面是完整的实现代码：

import os
import cv2
import numpy as np

# 获取当前工作目录，用os.path.join做路径拼接更安全
PATH = os.getcwd()
data_path = os.path.join(PATH, 'data')
data_dir_list = os.listdir(data_path)

# 指定统一的目标图像尺寸，你可以根据需求修改，比如(224, 224)
TARGET_SIZE = (128, 128)
img_data_list = []

for dataset in data_dir_list:
    dataset_path = os.path.join(data_path, dataset)
    img_list = os.listdir(dataset_path)
    print(f'Loaded the images of dataset: {dataset}')
    
    for img_name in img_list:
        img_path = os.path.join(dataset_path, img_name)
        # 读取灰度图像（参数0表示灰度模式，输出单通道图像）
        input_img = cv2.imread(img_path, 0)
        
        # 校验图像是否读取成功，避免损坏/错误路径的图像导致程序崩溃
        if input_img is not None:
            # 将图像调整到统一尺寸
            resized_img = cv2.resize(input_img, TARGET_SIZE)
            # 添加到列表中
            img_data_list.append(resized_img)
        else:
            print(f'Warning: Failed to read image {img_name} in dataset {dataset}')

# 将列表转为ndarray，最终形状就是(图像数量, 目标行尺寸, 目标列尺寸)
img_data_array = np.array(img_data_list)
print(f'最终ndarray形状: {img_data_array.shape}')

关键细节说明 #

• 统一尺寸：通过cv2.resize()强制把所有图像调整到指定的TARGET_SIZE，这是生成规整ndarray的必要步骤，否则不同尺寸的图像无法堆叠成一个数组。
• 安全路径拼接：用os.path.join()代替直接字符串拼接，能自动适配Windows/Linux不同的路径分隔符，避免路径错误。
• 异常处理：增加了图像读取校验，遇到损坏或无法读取的图像时会打印警告，不会直接中断程序。
• 数组形状：最终生成的img_data_array形状为(N, H, W)，其中N是成功读取的图像总数，H是目标行尺寸，W是目标列尺寸，完全符合你需要的格式。

如果需要处理彩色图像，只需把cv2.imread()的参数从0改成1（默认值），最终数组形状会变成(N, H, W, 3)；若要保持(N, H, W)格式，可以转成灰度图或者提取单个颜色通道。

内容的提问来源于stack exchange，提问作者Hitesh