机器学习与深度学习 / 系统课时
理解图像张量
理解图像张量
图像进入 TensorFlow 后并不是“图片对象”,而是带有高度、宽度、通道和批次维度的数值张量。读懂这些维度,就能判断模型输入是否正确,并快速定位尺寸颠倒、通道数量不匹配和批次维缺失等常见问题。
学习目标
- 读懂单张图像的
H × W × C结构以及 TensorFlow 常用的 NHWC 顺序。 - 区分灰度、RGB、RGBA 图像的通道数量与常见数据类型。
- 使用
shape、tf.shape和断言检查送入模型的图像张量。
从单张图像读懂 HWC
一张 RGB 图像若尺寸为 640×480,通常表示宽 640、高 480;放入 TensorFlow 张量时,常见形状却写成 (480, 640, 3),顺序是高度 H、宽度 W、通道 C。最后的 3 分别存放红、绿、蓝三个通道的数据。
| 图像类型 | 典型形状 | 通道含义 |
|---|---|---|
| 灰度图 | (480, 640, 1) |
单个亮度通道 |
| RGB | (480, 640, 3) |
R、G、B |
| RGBA | (480, 640, 4) |
R、G、B、Alpha |

批次维度与 NHWC
训练通常一次处理多张图像,因此会在最前面增加批次维 N。形状 (32, 224, 224, 3) 表示一个批次有 32 张 RGB 图像,每张高和宽都是 224。TensorFlow 和 Keras 默认通常使用 channels_last,即 NHWC 顺序。
下面创建一个批次并直接检查四个维度。tensor.shape 适合静态形状已知的情况,tf.shape(tensor) 会在运行时返回形状张量。
import tensorflow as tf
images = tf.zeros((2, 32, 48, 3), dtype=tf.float32)
print('static shape:', images.shape)
print('runtime shape:', tf.shape(images).numpy())
print('dtype:', images.dtype)
print('first pixel:', images[0, 0, 0].numpy())预期输出
static shape: (2, 32, 48, 3)
runtime shape: [ 2 32 48 3]
dtype: <dtype: 'float32'>
first pixel: [0. 0. 0.]这里的 images[0, 0, 0] 先选第 1 张图,再选第 1 行、第 1 列,因此剩下长度为 3 的 RGB 通道向量,而不是一个标量。
数值范围与数据类型
图像形状正确并不代表数值一定正确。磁盘读取的图像经常是 uint8,范围为 0~255;神经网络输入常转换成 float32,并缩放到 0~1。TensorFlow 可用 tf.image.convert_image_dtype(image, tf.float32) 完成类型转换和对应范围缩放。
例如 uint8 像素 [0, 128, 255] 转成 float32 后约为 [0.0, 0.502, 1.0]。如果只是直接执行 tf.cast(image, tf.float32),数据类型会改变,但 255 仍然是 255,不会自动归一化;模型训练前必须确认预处理约定。
检查形状而不是猜
进入 CNN 前可以固定做三项检查:确认秩为 4、最后一维等于模型要求的通道数、空间尺寸与模型输入一致。例如模型要求 (None, 224, 224, 3),那么 (32, 224, 224, 3) 可以直接输入,而 (224, 224, 3) 缺少批次维。
实际项目中可用 tf.debugging.assert_rank(images, 4) 检查 NHWC 的四维结构,并用 tf.debugging.assert_equal(tf.shape(images)[-1], 3) 检查 RGB 通道。单张 (224, 224, 3) 图像需要增加批次维时,可使用 tf.expand_dims(image, axis=0) 得到 (1, 224, 224, 3)。
遇到模型提示 expected shape 与 received shape 不一致时,先打印完整形状,再逐维核对 N、H、W、C。特别注意不要用 reshape 修正宽高或通道错误,因为它只会重新解释内存中的元素排列,不会完成图像缩放或颜色通道转换。