img[0].shape与img.shape的区别

假设图像为[155, 240, 240]，其中155代表155张图片，240, 240 分别代表图像的高和宽，则：

height, width = img[0].shape
print(height, width)
输出：
240,240

如用下种方法，则会有error，是因为img本身有3个参数，但我们只给了2个变量

height, width = img.shape
print(height, width)
输出：
ValueError: too many values to unpack (expected 2)

可以换为：

_, height, width = img.shape
print(height, width)
输出：
240,240

或：

height, width = img[0].shape
print(height, width)
输出：
240,240

这个意思就是 代表取第1维数组里的元素。
例：
a= np.array([[1,2,3], [4,5,6], [7,8,9]])
如果求 a.shape 其结果为：
(3, 3)

如果求a[0].shape，其结果为
(3,) 
即其求的值为 [1,2,3]的尺寸。

zeros(shape, dtype=float, order=‘C’)

返回来一个给定形状和类型的用0填充的数组；

2.如生成两行一列数组

np.zeros((2, 1))
array([[ 0.],
[ 0.]])

img.shape[0]：图像的垂直尺寸（高度）
img.shape[1]：图像的水平尺寸（宽度）

即生成图象尺寸的全零数组

len(img.shape)

from skimage import io,data
img=data.chelsea()
io.imshow(img)
print(type(img))  #显示类型
print(img.shape)  #显示尺寸
print(img.shape[0])  #图片高度
print(img.shape[1])  #图片宽度
print(img.shape[2])  #图片通道数
print(img.size)   #显示总像素个数
print(img.max())  #最大像素值
print(img.min())  #最小像素值
print(img.mean()) #像素平均值

len()返回对象长度
用于判断图像是否为灰度图或彩色图即判断图像通道数