Pillow的convert()方法返回新图像对象而非就地修改原图，若忽略返回值直接转为NumPy数组，将导致仍使用原始RGB图像，从而得到3D形状；正确做法是接收并使用convert()的返回结果。
pillow的`convert()`方法返回新图像对象而非就地修改原图，若忽略返回值直接转为numpy数组，将导致仍使用原始rgb图像，从而得到3d形状；正确做法是接收并使用`convert()`的返回结果。
在使用Pillow进行图像模式转换（如转灰度 'L' 或二值 '1'）时，一个常见误区是误以为 img.convert('L') 会直接修改原 Image 对象。实际上，convert() 是纯函数式操作：它创建并返回一个新图像对象，而原始图像保持不变。因此，若未捕获该返回值，后续调用 np.asarray(img) 仍作用于未经转换的原始图像（通常是RGB或RGBA模式），最终得到 (H, W, 3) 或 (H, W, 4) 的三维数组。
✅ 正确写法如下：
import numpy as np
from PIL import Image
with Image.open("testimage.png") as img:
# 关键：接收 convert() 返回的新图像对象
gray_img = img.convert('L') # 灰度模式：单通道，值域 0–255
# bw_img = img.convert('1') # 二值模式：单通道，布尔值（True/False）或 0/255
image_pil = np.asarray(gray_img) # 此时 shape 为 (height, width)
print(f'{image_pil.shape=}') # 输出：image_pil.shape=(266, 485)
⚠️ 注意事项：
-
'L'模式生成的是 2D NumPy数组（dtype=uint8），形状为(H, W)，每个像素为 0–255 的灰度值； -
'1'模式虽为二值，但np.asarray()默认将其映射为uint8数组（0和255），同样输出(H, W)形状，而非(H, W, 1)—— Pillow 的单通道模式在转为 NumPy 时自动降维； - 若需显式保留通道维度（如适配深度学习模型输入），可手动扩展：
image_pil = image_pil[..., np.newaxis]； - 不要写
img.convert('L'); np.asarray(img)—— 分号分隔不等于赋值，img仍是原图。
总结：Pillow 的所有 .convert()、.resize()、.rotate() 等方法均返回新对象，“函数式不可变”是其设计原则。务必用变量接收转换结果，再进行后续处理，才能确保数据形态符合预期。
