为什么转置一个numpy数组将它旋转90度？

Question

我试图从lmdbdataset中读取图像，对每个图像进行增强，然后将它们保存到另一个dataset中，以便在我的培训中使用。
这些图像轴在保存到lmdb dataset时最初更改为(3,32,32)，所以为了增强它们，我必须将它们转换回它们的实际形状。
问题是每当我尝试使用matplotlib的show()方法或scipy的toimage()显示它们时，它们都会显示图像的旋转版本。 因此，我们有：

img_set = np.transpose(data_train,(0,3,2,1)) 
#trying to display an image using pyplot, makes it look like this: 
plt.subplot(1,2,1) 
plt.imshow(img_set[0]) 

显示使用toimage相同的图像：现在

，如果我不转data_train，pyplot的show()产生而 toimage()错误很好地显示图像：

这里发生了什么？
当我将转置的data_train提供给我的扩展器时，我也会像前面的示例一样获得旋转的结果。
现在我不确定这是一个显示问题，还是实际的图像确实旋转了！
我该怎么办？

Answer 1

首先，仔细观察。被转移的阵列不旋转，而是在对角线上镜像（即交换X和Y轴）。

原始形状是(3,32,32)，我解释为(RGB, X, Y)。但是，imshow需要一个形状为MxNx3的数组 - 颜色信息必须位于最后一个维度中。

通过转置阵列，可以反转尺寸的顺序：(RGB, X, Y)变为(Y, X, RGB)。这对matplotlib来说很好，因为颜色信息现在位于最后一个维度，但是X和Y也被交换了。如果您想保留X的顺序，Y，你可以告诉transpose to do so：

import numpy as np 

img = np.zeros((3, 32, 64)) # non-square image for illustration 

print(img.shape) # (3, 32, 64) 
print(np.transpose(img).shape) # (64, 32, 3) 
print(np.transpose(img, [1, 2, 0]).shape) # (32, 64, 3) 

---

当使用imshow显示图像注意以下陷阱：

1. 它对待图像作为矩阵，因此数组的尺寸被解释为（ROW，COLUMN，RGB），这等同于（垂直，水平，颜色）或（Y，X，RGB）。

2. 它改变y轴的方向，所以左上角是img [0，0]。这与matplotlib的法线坐标系不同，其中（0，0）是左下角。

实施例：

import matplotlib.pyplot as plt 

img = np.zeros((32, 64, 3)) 
img[1, 1] = [1, 1, 1] # marking the upper right corner white 

plt.imshow(img) 

注意，较小的第一维对应于图像的垂直方向。