如何改变257 x251x1 uint8到257年x251x3 uint8吗?

50个视图(30天)

显示旧的评论

Dayangku努尔Faizah Pengiran穆罕默德 2023年6月13日在41

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1982039 - -如何改变257 - x251x1 uint8 -到- 257 x251x3 uint8

评论道: 沃尔特·罗伯森 2023年6月13日23:29

答:接受沃尔特·罗伯森

谁能帮帮我?如何改变我的输入图像数据在257灰度x251x1 uint8变成“真彩”rgb类型?(mxnx3)

在这里我的代码:

I = imread (1222. png);

I2 =我(:,:1:3);

错误发生; 指数在位置3超出数组边界(不得超过1)。

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

接受的答案

沃尔特·罗伯森因为在2023年6月13日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1982039 - -如何改变- 257 x251x1 uint8 -到- 257 x251x3 uint8 # answer_1254504

                              我= imread (“1222. png”);
                             
                              如果ndims (I) = = 2;我=我(:,:,(1 1 1));结束%转换为rgb

4评论
显示3年长的评论隐藏3年长的评论

Dayangku努尔Faizah Pengiran穆罕默德 2023年6月13日8:29

编辑:Dayangku努尔Faizah Pengiran穆罕默德 2023年6月13日32

你好沃尔特·!我想问一些问题。

我有错误在运行U-net架构网络,我不确定在哪里错误和修复。这是我的编码输入图像编码:我有很多次试图解决这个问题,但是最终仍然错误。我使用U-Net架构网络段图像数据。因为我输入图像数据是M x N x 3,但是尺寸不一样的256 x 256 x 3。我的尺寸输入图像是251 x 257 x 3 uint8。

我试图改变代码:

                                   #一个= np。asarray((总image_rows image_cols 3), dtype = np.uint8)
                                  
                                   #imgs_mask = np。asarray((总image_rows image_cols) dtype = np.uint8)

从这个:

                                   一个= np。ndarray((总image_rows image_cols 3), dtype = np.uint8)
                                  
                                   imgs_mask = np。ndarray((总image_rows image_cols) dtype = np.uint8)

我的测试输入数据的完整代码:

                                   defcreate_test_data ():
                                  
                                   为我在范围(len(图片):
                                  
                                   打印(“- - -”* 9)
                                  
                                   打印(“创建测试图片……”)
                                  
                                   打印(“- - -”* 9)
                                  
                                   打印(图片[我])
                                  
                                   test_data_path =“/ home / motmot /文档/ unet /数据/测试/ img / '
                                  
                                   test_mask_path =“/ home / motmot /文档/ unet /数据/测试/ msk / '
                                  
                                   形象= os.listdir (test_data_path)
                                  
                                   掩码= os.listdir (test_mask_path)
                                  
                                   总= len(图片)
                                  
                                   一个= np。ndarray((总image_rows image_cols 3), dtype = np.uint8)
                                  
                                   #一个= np。asarray((总image_rows image_cols 3), dtype = np.uint8)
                                  
                                   imgs_mask = np。ndarray((总image_rows image_cols) dtype = np.uint8)
                                  
                                   #imgs_mask = np。asarray((总image_rows image_cols) dtype = np.uint8)
                                  
                                   create_test_data ()

这里我U-net架构网络编码:

                                   defget_unet ():
                                  
                                   输入=输入((img_rows img_cols 3))
                                  
                                   conv1 = Conv2D(32(3、3)激活=“relu”填充=“相同”)(输入)
                                  
                                   conv1 = BatchNormalization () (conv1)
                                  
                                   conv1 = Conv2D(32(3、3)激活=“relu”填充=“相同”)(conv1)
                                  
                                   conv1 = BatchNormalization () (conv1)
                                  
                                   pool1 = MaxPooling2D (pool_size = (2, 2)) (conv1)
                                  
                                   conv2 = Conv2D(64(3、3),激活=“relu”填充=“相同”)(pool1)
                                  
                                   conv2 = BatchNormalization () (conv2)
                                  
                                   conv2 = Conv2D(64(3、3),激活=“relu”填充=“相同”)(conv2)
                                  
                                   conv2 = BatchNormalization () (conv2)
                                  
                                   pool2 = MaxPooling2D (pool_size = (2, 2)) (conv2)
                                  
                                   conv3 = Conv2D(128(3、3),激活=“relu”填充=“相同”)(pool2)
                                  
                                   conv3 = BatchNormalization () (conv3)
                                  
                                   conv3 = Conv2D(128(3、3),激活=“relu”填充=“相同”)(conv3)
                                  
                                   conv3 = BatchNormalization () (conv3)
                                  
                                   pool3 = MaxPooling2D (pool_size = (2, 2)) (conv3)
                                  
                                   conv4 = Conv2D(256(3、3),激活=“relu”填充=“相同”)(pool3)
                                  
                                   conv4 = BatchNormalization () (conv4)
                                  
                                   conv4 = Conv2D(256(3、3),激活=“relu”填充=“相同”)(conv4)
                                  
                                   conv4 = BatchNormalization () (conv4)
                                  
                                   pool4 = MaxPooling2D (pool_size = (2, 2)) (conv4)
                                  
                                   conv5 = Conv2D(512(3、3),激活=“relu”填充=“相同”)(pool4)
                                  
                                   conv5 = BatchNormalization () (conv5)
                                  
                                   conv5 = Conv2D(512(3、3),激活=“relu”填充=“相同”)(conv5)
                                  
                                   conv5 = BatchNormalization () (conv5)
                                  
                                   up6 =连接([Conv2DTranspose(256年,(2,2),进步=(2,2),填充=“相同”)(conv5), conv4],轴= 3)
                                  
                                   conv6 = Conv2D(256(3、3),激活=“relu”填充=“相同”)(up6)
                                  
                                   conv6 = BatchNormalization () (conv6)
                                  
                                   conv6 = Conv2D(256(3、3),激活=“relu”填充=“相同”)(conv6)
                                  
                                   conv6 = BatchNormalization () (conv6)
                                  
                                   起来=连接([Conv2DTranspose(128年,(2,2),进步=(2,2),填充=“相同”)(conv6), conv3],轴= 3)
                                  
                                   conv7 = Conv2D(128(3、3),激活=“relu”填充=“相同”)(起来)
                                  
                                   conv7 = BatchNormalization () (conv7)
                                  
                                   conv7 = Conv2D(128(3、3),激活=“relu”填充=“相同”)(conv7)
                                  
                                   conv7 = BatchNormalization () (conv7)
                                  
                                   加入=连接([Conv2DTranspose(64年,(2,2),进步=(2,2),填充=“相同”)(conv7), conv2],轴= 3)
                                  
                                   conv8 = Conv2D(64(3、3),激活=“relu”填充=“相同”)(加入)
                                  
                                   conv8 = BatchNormalization () (conv8)
                                  
                                   conv8 = Conv2D(64(3、3),激活=“relu”填充=“相同”)(conv8)
                                  
                                   conv8 = BatchNormalization () (conv8)
                                  
                                   up9 =连接([Conv2DTranspose(32(2, 2)进步=(2,2),填充=“相同”)(conv8), conv1],轴= 3)
                                  
                                   conv9 = Conv2D(32(3、3)激活=“relu”填充=“相同”)(up9)
                                  
                                   conv9 = BatchNormalization () (conv9)
                                  
                                   conv9 = Conv2D(32(3、3)激活=“relu”填充=“相同”)(conv9)
                                  
                                   conv9 = BatchNormalization () (conv9)
                                  
                                   conv10 = Conv2D(1,(1, 1),激活=“乙状结肠”)(conv9)
                                  
                                   模型=模型(输入=[输入],输出= [conv10])
                                  
                                   model.compile(优化器=亚当()=损失(损失),指标= [dice_coef iou_coef])
                                  
                                   返回模型

和错误发生:

ValueError:检查输入时错误:预计input_1有4个维度,但阵列形状(2048、256、3)

沃尔特·罗伯森 2023年6月13日23:29

基于大小看起来你连接在第一维度当你需要连接在第四维度。

登录置评。

类别

MATLAB 语言基础知识矩阵和数组

找到更多的在矩阵和数组在帮助中心和文件交换

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

如何改变257 x251x1 uint8到257年x251x3 uint8吗?

0评论
显示1年长的评论藏1年长的评论

接受的答案

4评论
显示3年长的评论隐藏3年长的评论

更多的答案(0)

另请参阅

类别

标签

社区寻宝

如何改变257 x251x1 uint8到257年x251x3 uint8吗?

0评论 显示1年长的评论藏1年长的评论

接受的答案

4评论 显示3年长的评论隐藏3年长的评论

更多的答案(0)

另请参阅

类别

标签

社区寻宝

0评论
显示1年长的评论藏1年长的评论

4评论
显示3年长的评论隐藏3年长的评论