K-NN：如何正确地重塑我的图像（数据集）而不丢失数据？

重塑图像可以使用numpy库中的reshape方法，根据需要将图像从原始维度重塑为新维度，例如将一张图片（28 x 28像素）转换成一维向量（784个像素）：

import numpy as np
from PIL import Image

# 加载图片
img = Image.open('image.jpg')

# 转换为灰度图像
gray_img = img.convert(mode='L')

# 将图像转换为numpy数组
img_array = np.asarray(gray_img)

# 将图像重塑为一维向量
vectorized_img = img_array.reshape((1, -1))

需要注意的是，在重塑图像时，尽量不要丢失图像的信息。如果原始图像是多通道的（如RGB图像），则可以使用numpy库中的transpose方法交换轴以获取更好的效果。

import numpy as np
from PIL import Image

# 加载图片
img = Image.open('image.jpg')

# 将图像转换为numpy数组
img_array = np.asarray(img)

# 将图像重塑为新的形状
new_shape = (img_array.shape[2], img_array.shape[0]*img_array.shape[1])
vectorized_img = img_array.transpose(2,0,1).reshape(new_shape)