您可以简单地使用img = np.array(pic)，因为PIL和numpy就是这样理解对方的。
不应使用.getdata()调用，因为它效率较低。
.reshape * 确实 * 篡改了数据，但不一定 *。
你遇到的问题是你把宽度和高度搞混了。

• PIL.Image.size是一个(width, height)元组。
• Numpy要求 * 形状 * 为(height, width, channels)。

如果使用(pic.size[1], pic.size[0], 3)形状，则原始代码可以正常工作。

我找到问题了。问题出在把图像转换成numpy数组的时候。看起来命令

img = np.array(pic.getdata()).reshape(pic.size[0], pic.size[1], 3)

以一种奇怪的方式重新排列数组。我只是将这行代码更改为：

img = np.array(pic)

我希望我的理解是正确的......如果您试图计算一个三维数组在特定轴上的平均值，您可以使用np.array.mean(axis=2)：

import numpy as np
import matplotlib.pyplot as plt

image = np.random.randint(0, 255, size=(10, 10, 3), dtype=np.uint8)
print(image.shape) # (10,10,3)
plt.imshow(image)
plt.show()

mean_rgb = image.mean(axis=2)
print(mean_rgb.shape) # (10,10)
plt.imshow(mean_rgb,cmap="Greys")
plt.show()

第一节第一节第一节第一节第一次

下面是一个使用列表的实现。

image = np.array([
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*4,[[255,0,0]]*2,[[0,0,0]]*4]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10]),
    np.concatenate([[[0,0,0]]*10])
])

image = image.tolist()

def mean_image_explicit(image):

    rows = []
    
    for i in range(len(image)):
        cols = []
        for j in range(len(image[0])):
            v = sum(image[i][j]) / len(image[i][j])
            cols.append(v)
        rows.append(cols)
            
    return rows

def mean_image(image):

    rows = [[sum(image[i][j]) / len(image[i][j]) for j in range(len(image[0]))] for i in range(len(image))]

    return rows

avg = mean_image(image)

plt.imshow(image)
plt.show()
plt.imshow(avg,cmap='gray')
plt.show()