图像训练时的数据处理

当训练数据时，如果数据只是一列，而输出也是一列，那就对应着（train，label）输入模型即可。但是如果处理对象是图片时，应该如何将图片作为数据输入模型。我只记录到目前为止的理解作为参考，后续还会修改（应该会的吧！）

一、对图片的结构的了解

图片分成了彩色图和非彩色图：

彩色图，我们用python中任意一个可以读入图片的函数读入查看，可以得到彩色图的维度是（H，W，channel=3）

非彩色图，我认为可以分为灰度图和黑白图，非彩色图他们都只有二维，即（H，W），我原本以为会有一个channel=1，后来发现并木有。灰度图是（H，W）维的0~255的数值，而黑白图除了0就是255，没有别的其他值（哦，顺便提一句，H是height，W是width，channel是颜色通道）

在这里，我想要着重的对mask图（也就是image对应的label）进行分析，我们输入的image就是良民，没什么特殊的。但是我们输入的mask图却有的不太对劲：

如果是二分类问题，那么mask图应当是二值的，如果二值指的是0和255，那么画面就十分和谐了，就像我们常规认识的那样：

 

输入的image（灰度图）

 

对应的mask图（二值图）

 

如果是多分类问题，当我们输下左边图一的照片时，在我的印象中应该对应的mask是一个美美的就像图二有木有，

但是实际的图是个什么玩意，居然全是黑的图三！！（于是我一度认为这个数据集是坏的）

图1 输入的image（彩色图）

图2 理想中的mask图