我们在进行CV方向深度学习工作时，需要基于大量图像进行批量前处理工作。为了便于后期运算，我们通常需要将图片resize成相同的尺寸。
众所周知，图像存在3个维度（hight,wide,RGB通道数）。
通常，我们认为图像的RGB通道数有红绿蓝三个维度，因此图像的第三维度通常为3。
然而，这次处理图像的过程中发现很多jpg格式的图像第三个维度为4，导致resize一直失败，分析原因发现，可能是因为这些图片本来是由png等格式转换成jpg的。
你在玩三种不同格式的图片(至少是那些出现在你问题中的图片)。它们分别是：RGB(尺寸)
(420, 310, 3))，三个通道RGB-A(尺寸)
(420, 310, 4))，四通道
Grayscale(尺寸)
(420, 310))，单通道
第三个维度代表了图像中通道的数量(前两个分别是高度和宽度)。
https://blog.csdn.net/weixin_42122878/article/details/114913240
为了便于后期将图像resize成相同的尺寸，这里需要进行一个convert操作，判定第三个维度是否为3，如果不是则转换成rgb格式图片，这样转换后的第三个维度就变成了3。
#fname为图像名称
def img2vec(fname):
if np.array(ndimage.imread(fname, flatten=False)).shape[2] != 3:
img = Image.open(fname).convert('RGB')
else:
img = np.array(ndimage.imread(fname, flatten=False))
# plt.imshow(img)
# my_image = scipy.misc.imresize(img, size=(numPx,numPx)).reshape((1, numPx*numPx*3)).T
myImage = scipy.misc.imresize(img, size=(numPx,numPx)).reshape((numPx*numPx*3))
return myImage
