numpy中的shape和opencv中的shape的区别

在使用opencv和numpy的过程中，难免会需要对图像的大小进行调整，resize、获得shape之类的操作更是家常便饭了，但是在使用opencv和numpy改变图像大小的过程中，总是发现一些奇怪的问题，困扰了我很久，今天记录一下，以防下次再犯，也为有相同困扰的童鞋提个醒！
先来看看通过opencv读取一张图像之后，shape是什么吧：
我么来读取一张宽858，长600的图像：

>>> im = cv2.imread("XXX")
>>> im.shape
(600, 858, 3)
>>>

很显然，shape的组成是这样的: （高，宽，通道数）
再来看看numpy，numpy中很多的方法都带有shape这个参数，当使用numpy来创建一幅图像的时候，总是容易将opencv和numpy的shape搞混掉，我们先看看numpy创建一个二维数组：

>>> a = np.zeros((3,5))
>>> a
array([[0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.]])
>>>

很显然，我们传入的（3,5）作为shape的参数，而结果显示，3是行数，5是列数，即3是高度，5是宽度，那么我们使用numpy创建一幅图像时，shape就是 (高度，宽度), 如果还有通道的话，就是 (高度，宽度，通道数).
原来，numpy的shape[0:2]和opencv中通过imread读取的图像的shape[0:2]是一样的的，即 (高度，宽度).
但是在向opencv的方法中传入size参数时，又是什么样的呢？
还是用刚刚读取的图像做例子(高600，宽858），

>>> reim = cv2.resize(im,(200,400))
>>> cv2.imshow("resize",reim)
>>> cv2.waitKey(3000)

显然，我们传入的size参数是这样解释的 200作为宽，400作为高，即size为 (宽，高),这和我们之前看到的shape里数据的顺序是不一样的！其实当我们涉及界面或者图像的size时，size中数据的排列方式一般都是 ( 宽，高) ，所以当我们想使用某些图片或者控件等的size时，请注意size和shape中数据的顺序是不一样的！