NumPy图像数据重塑：处理异构通道数引发的常见陷阱

import numpy as np

# 模拟原始数据：包含RGB和RGBA图像的NumPy数组列表
# 假设所有图像的空间尺寸都是 2x2
image_rgb_1 = np.random.randint(0, 256, (2, 2, 3), dtype=np.uint8) # RGB
image_rgba_1 = np.random.randint(0, 256, (2, 2, 4), dtype=np.uint8) # RGBA
image_rgb_2 = np.random.randint(0, 256, (2, 2, 3), dtype=np.uint8) # RGB

# 将这些图像放入一个NumPy数组中
# 当内部数组形状不一致时，NumPy会创建一个 dtype=object 的数组
raw_images_array = np.array([image_rgb_1, image_rgba_1, image_rgb_2], dtype=object)

print("--- 原始数据分析 ---")
print(f"原始raw_images_array的形状: {raw_images_array.shape}") # 输出: (3,)
print(f"第一个图像的形状: {raw_images_array[0].shape}") # 输出: (2, 2, 3)
print(f"第二个图像的形状: {raw_images_array[1].shape}") # 输出: (2, 2, 4) - 这是问题所在
print(f"第三个图像的形状: {raw_images_array[2].shape}") # 输出: (2, 2, 3)

# 假设用户期望所有图像都是 2x2x3
expected_image_shape = (2, 2, 3)
num_images = len(raw_images_array)

print(f"\n--- 错误重塑尝试 ---")
try:
    # 模拟用户尝试：将每个图像展平后连接
    # 注意：这里如果图像通道不同，flatten() 会导致总元素数不匹配预期
    # 例如：(2,2,3).flatten() -> 12元素, (2,2,4).flatten() -> 16元素
    all_elements_concatenated = np.concatenate([img.flatten() for img in raw_images_array])
    print(f"所有图像展平后连接的总元素数: {all_elements_concatenated.shape[0]}") # (12 + 16 + 12) = 40

    # 期望的重塑形状是 (num_images, height, width, channels)
    target_reshape_shape = (num_images, *expected_image_shape) # (3, 2, 2, 3)
    expected_total_elements = np.prod(target_reshape_shape) # 3 * 2 * 2 * 3 = 36

    print(f"尝试重塑为 {target_reshape_shape} (预期总元素数: {expected_total_elements})...")
    reshaped_array_fail = all_elements_concatenated.reshape(target_reshape_shape)
    print("错误重塑成功 (不应发生，或结果不正确)")
except ValueError as e:
    print(f"重塑失败，错误信息: {e}")
    print("这表明展平后的总元素数量与目标重塑形状不匹配。")