h5py翻转图像尺寸

Question

我一直致力于构建一种机器学习算法来识别图像，首先是创建自己的 h5 数据库。我一直在关注this 教程，它很有用，但我一直遇到一个重大错误——在代码的图像处理部分使用 OpenCV 时，程序无法保存处理后的图像，因为它不断翻转我的图像的高度和宽度。当我尝试编译时，出现以下错误：

Traceback (most recent call last):
   File "array+and+label+data.py", line 79, in <module>
   hdf5_file["train_img"][i, ...] = img[None]
   File "h5py/_objects.pyx", line 54, in h5py._objects.with_phil.wrapper
   File "h5py/_objects.pyx", line 55, in h5py._objects.with_phil.wrapper
   File "/Users/USER/miniconda2/lib/python2.7/site-packages/h5py/_hl/dataset.py", line 631, in __setitem__
   for fspace in selection.broadcast(mshape):
   File "/Users/USER/miniconda2/lib/python2.7/site-packages/h5py/_hl/selections.py", line 299, in broadcast
   raise TypeError("Can't broadcast %s -> %s" % (target_shape, count))
   TypeError: Can't broadcast (1, 240, 320, 3) -> (1, 320, 240, 3)     

我的图像应该全部为 320 x 240，但您可以看到这是以某种方式翻转的。研究表明这是因为 OpenCV 和 NumPy 对高度和宽度使用不同的约定，但我不确定如何在不修补我的 OpenCV 安装的情况下在此代码中协调这个问题。关于如何解决这个问题的任何想法？我是 Python 及其所有库的相对新手（尽管我很了解 Java）！

提前谢谢你！

编辑：为上下文添加更多代码，这与教程中“加载图像并保存它们”代码示例下的内容非常相似。

我的数组的大小：

train_shape = (len(train_addrs), 320, 240, 3)
val_shape = (len(val_addrs), 320, 240, 3)
test_shape = (len(test_addrs), 320, 240, 3)

循环遍历图像地址并调整它们大小的代码：

# Loop over training image addresses
  for i in range(len(train_addrs)):
     # print how many images are saved every 1000 images
     if i % 1000 == 0 and i > 1:
     print ('Train data: {}/{}'.format(i, len(train_addrs)))

     # read an image and resize to (320, 240)
     # cv2 load images as BGR, convert it to RGB
     addr = train_addrs[i]
     img = cv2.imread(addr)
     img = cv2.resize(img, (320, 240), interpolation=cv2.INTER_CUBIC)
     img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

     # save the image and calculate the mean so far
     hdf5_file["train_img"][i, ...] = img[None]
     mean += img / float(len(train_labels))

Answer 1

研究表明这是因为 OpenCV 和 NumPy 使用不同的高度和宽度约定

不完全是。图像唯一棘手的是二维数组/矩阵使用 (row, col) 进行索引，这与我们可能用于图像的正常笛卡尔坐标 (x, y) 相反。因此，有时当您在 OpenCV 函数中指定点时，它希望它们在 (x, y) 坐标中——同样，它希望在 (w, h) 而不是 (h, w) 就像一个数组一样。这就是 OpenCV 的 resize() 函数内部的情况。你在 (h, w) 中传递它，但它实际上想要 (w, h)。来自docs for resize()：

dsize – 输出图像大小；如果它等于 0，则计算为：

dsize = Size(round(fx*src.cols), round(fy*src.rows))

dsize 或fx 和fy 都必须非零。

所以你可以在这里看到列数是第一个维度（宽度），行数是第二个维度（高度）。

简单的解决方法就是在 resize() 函数中将 (h, w) 交换为 (w, h)：

img = cv2.resize(img, (240, 320), interpolation=cv2.INTER_CUBIC)