【深度学习项目实战·07】NumPy与图像处理：把一张图片正确送进模型

01 本篇要解决什么问题

读图、缩放、除以255，看起来只是几行代码。但模型输入错通道、掩膜多出小数、图像显示发黑，往往就发生在这几步。

本篇从数组的形状、类型和数值范围入手，完成一个“生成图片→读取→缩放→归一化→调整维度→保存”的小流程。后面换成真实数据，也能沿用同一套检查方式。

• 本篇关键词：ndarray、shape、dtype、广播、视图、HWC/CHW、插值。
• 完成标志：能说明输入的每个维度代表什么，并保证图像与标签采用合适的处理方式。
• 适用范围：示例使用普通8位RGB图片和整数类别掩膜。医学影像、16位图像及浮点科学数据需根据物理含义另外设计强度处理。

02 背景：图像进入程序后，就是有规则的数组

对于一张高64、宽96的RGB图，常见NumPy形状是(64, 96, 3)，依次表示高、宽、通道，即HWC。灰度图可能只有(64, 96)；有些流程会显式增加一个通道维。

同样是(64, 96, 3)，数值也可能是0～255整数、0～1浮点数，或标准化后包含负数的浮点数。只看shape，不能确定数据是否正确。

importnumpyasnp image=np.zeros((64,96,3),dtype=np.uint8)print(image.shape,image.dtype,image.min(),image.max())

本篇统一通过Pillow读取RGB，避免让颜色通道约定成为隐含条件。其他图像库的默认顺序可能不同，混用时需要查清再转换。

03 实操：检查图像处理的六个关键环节

（1）先转换类型，再做减法与归一化

uint8只能表达0～255。用它做像素差值，结果可能发生回绕：

importnumpyasnp a=np.array([0],dtype=np.uint8)b=np.array([1],dtype=np.uint8)print(a-b)# [255]print(a.astype(np.float32)-b.astype(np.float32))# [-1.]

所以差值、均值、标准化等运算应先转换到合适的浮点类型。固定宽度整数的边界说明可查NumPy数据类型文档。如果最后保存回8位图片，先恢复显示范围、裁剪，再转换类型，避免超出范围的值直接进入整数数组。

（2）切片很方便，也可能共享原始数据

importnumpyasnp image=np.zeros((8,8,3),dtype=np.float32)crop=image[:4,:4]# 基本切片通常是视图crop[:]=1.0# 原image对应位置也改变independent=image[:4,:4].copy()independent[:]=0.0assertimage[0,0,0]==1.0

这是“裁剪后增强，为什么原图也变了”的常见原因。基本切片与高级索引的行为不同，不能把所有索引都当成复制；需要独立修改时主动.copy()。具体规则见NumPy copies与views。

（3）广播让逐通道处理变简单

对HWC图像做逐通道标准化，可以把均值和标准差组织为(1, 1, 3)，让它们沿高宽维广播：

广播从末尾维度向前对齐，对应维度相同或其中一个为1时才能兼容。它不会判断轴的语义；如果已经变成CHW，统计量就应按通道轴组织，例如(3, 1, 1)。因此“代码能运行”还不够，也要确认运算发生在想要的轴上。

x h , w , c ′ = x h , w , c − μ c max ⁡ ( σ c , ε ) . x'_{h,w,c}=\frac{x_{h,w,c}-\mu_c}{\max(\sigma_c,\varepsilon)}.xh,w,c′​=max(σc​,ε)xh,w,c​−μc​​.

这里的均值、标准差必须与输入范围一致。若先除以255，统计量也要对应0～1范围。演示脚本使用固定常数方便观察；真实项目若自己估计统计量，只能用训练集，不能把验证集和测试集一起统计进去。

除以255只是针对8位强度范围的缩放；它不会自动完成均值方差标准化，也不适合直接套用到所有MRI或CT数据上。

（4）调整维度顺序，用transpose而不是硬改shape

importnumpyasnp hwc=np.zeros((64,96,3),dtype=np.float32)chw=hwc.transpose(2,0,1)chw=np.ascontiguousarray(chw)batch=chw[None,...]assertbatch.shape==(1,3,64,96)

transpose表示交换轴；直接reshape(3, 64, 96)只按元素顺序重新分组，不能表达相同的通道移动。转置结果也可能不连续，ascontiguousarray在需要时整理内存布局，为后面交给PyTorch或其他接口提供清晰的边界。

（5）图片与类别掩膜，缩放规则不同

连续颜色图像可以使用双线性等插值。类别掩膜里的0、1、2代表类别编号，中间的0.5没有类别含义，所以本篇用最近邻插值保留编号。

Pillow的resize参数是(宽, 高)，与数组shape里常见的(高, 宽)相反。处理分割任务时，图像和掩膜还必须采用一致的空间变换，不能各自随机裁剪。插值选项见Pillow Image.resize文档。

类别掩膜不要随手.convert("RGB")或除以255；本篇单通道掩膜保存类别ID，转成训练标签时再使用所需整数类型。

（6）显示图片前，先还原它的数值含义

标准化后的数组出现负数很正常。若直接乘255保存，显示会失真。应按相同的均值、标准差逆变换，再裁剪到显示范围。

排查图像问题时，可以固定检查四件事：shape是否正确、dtype是否合理、最小最大值是否符合约定、图像与标签能否对应。颜色正常只是第一步，不能代替数值检查。

图：本篇原创图像处理示意。数值缩放与维度调整是两件不同的事情。

04 一个具体例子：同时处理RGB图像与分割掩膜

保存为examples/image_pipeline.py。脚本自动生成合成图片和圆形掩膜，不需要下载数据。

"""Create synthetic RGB/mask data and verify an 8-bit image pipeline."""importargparseimportjsonfrompathlibimportPathimportnumpyasnpfromPILimportImagedefmain():parser=argparse.ArgumentParser(description=__doc__)parser.add_argument("--output",type=Path,default=Path("artifacts/image_pipeline"))args=parser.parse_args()args.output.mkdir(parents=True,exist_ok=True)yy,xx=np.mgrid[:64,:64]rgb=np.stack([xx*4,yy*4,np.full_like(xx,128)],axis=-1).astype(np.uint8)mask=((xx-32)**2+(yy-32)**2<16**2).astype(np.uint8)Image.fromarray(rgb).save(args.output/"image.png")Image.fromarray(mask).save(args.output/"mask.png")withImage.open(args.output/"image.png")asimage:resized=image.convert("RGB").resize((96,96),Image.Resampling.BILINEAR)hwc=np.array(resized,dtype=np.float32)/255.0withImage.open(args.output/"mask.png")aslabel:resized_mask=np.array(label.resize((96,96),Image.Resampling.NEAREST))# Demo constants, NOT statistics estimated from a real dataset.mean=np.array([0.5,0.5,0.5],dtype=np.float32).reshape(1,1,3)std=np.array([0.25,0.25,0.25],dtype=np.float32).reshape(1,1,3)normalized=(hwc-mean)/np.maximum(std,np.float32(1e-6))chw=np.ascontiguousarray(normalized.transpose(2,0,1))np.save(args.output/"image_chw.npy",chw)np.save(args.output/"mask_ids.npy",resized_mask.astype(np.int64))recovered=np.clip(normalized*std+mean,0.0,1.0)preview=np.rint(recovered*255.0).astype(np.uint8)Image.fromarray(preview).save(args.output/"preview.png")assertchw.shape==(3,96,96)andchw.dtype==np.float32assertchw.flags.c_contiguousandset(np.unique(resized_mask))=={0,1}assertnp.max(np.abs(recovered-hwc))<1e-6print(json.dumps({"shape":list(chw.shape),"dtype":str(chw.dtype),"mask_ids":np.unique(resized_mask).tolist(),"contiguous":bool(chw.flags.c_contiguous)},indent=2))if__name__=="__main__":main()

在项目根目录执行，PowerShell与Bash均适用：

python examples/image_pipeline.py

程序应报告shape=[3, 96, 96]、dtype=float32、mask_ids=[0, 1]和连续内存标志。输出位于artifacts/image_pipeline：PNG用于查看，NPY用于保留数组形状与类型。

注意mask.png的前景值是1，普通看图软件中会显得很暗。这不表示标签错误；若要做展示图，可以另存一份0/255可视化图，训练标签仍保留原类别ID。

05 常见问题与自测

问题1：HWC与CHW的区别只是shape不同吗？

轴的含义也不同。需要交换轴，不能只把原数组重新reshape成目标形状。

问题2：所有图像都除以255，可以吗？

不可以。先确认原始类型、范围及物理意义。16位数据和科学浮点数据通常需要另外设计缩放。

问题3：为什么掩膜缩放后类别数变多了？

检查是否用了连续插值，或者把类别ID当成灰度强度处理。本篇的整数掩膜采用最近邻插值。

问题4：图像标准化后包含负数，是不是出错了？

不一定。减去均值后出现负数很常见。应根据处理公式判断，而不是要求所有中间数组都落在0～1。

问题5：修改crop后原图也变化，应该怎么处理？

先确认是否共享内存。需要独立副本时使用.copy()，也可以用np.shares_memory辅助检查。

06 本篇回顾与下一步

图像预处理的目标，是把数据转换成模型约定的表示，同时保留标签与输入之间的对应关系。每一步都能说清形状、类型和范围，后面排查模型问题才有可靠起点。

下一篇进入PyTorch：把数组变成Tensor，再看参数、梯度和优化器如何配合工作。

参考与延伸阅读

• NumPy快速入门
• NumPy广播规则
• Pillow图像模式与概念