harry's blog

在 Pytorch 创建数据集时，常常会有 transform.ToPILImage 和 transform.ToTensor 两个函数，前一个函数是将 numpy 转变为 PILImage 形式，第二个函数是将 PILImage 形式转变为 tensor 形式方便计算，转换时需要注意以下几点

图片一共有三种形式，PILImage 形式，tensor 形式以及 numpy 形式

numpy 必须为 uint8 形式，范围为[0, 255]
tensor 必须为 FloatTensor 形式，范围为[0, 1]
tensor 如果要转换为 numpy 需要乘上 255，最好归一化
tensor 的数据形式为 CHW，numpy 则为 HWC，使用array.transpose(1, 2, 0)进行转化
PILImage 以及 tensor 的通道形式均为 RGB，而 opencv（numpy）的则为 BGR，转化时需要用 cv2.cvtColor(img，cv2.COLOR_xxx) 来进行转化，否则图片颜色会变化
PILImage 形式的图片显示时用 img.show() 即可；numpy 形式可用 opencv 进行显示，cv2.imshow("image", array)，而 tensor 形式的图片则需要转化为 numpy 用 opencv 显示（可见下面代码)

import cv2
import torchvision.transforms as transforms
import numpy as np
import torch
import matplotlib.pyplot as plt
from PIL import Image


'''PIL image'''
image = Image.open("./food-11/0000.jpg")
print(image)  # <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=384x512 at 0x7F1CFE47DD60>
image2 = transforms.ToTensor()(image)  # to simplify computation
print(image2)  # tensor.data[0, 1]
print(image2.dtype)  # tensor.float32
print(image2.shape)  # tensor.Size([3, 512, 384])
# if you want opencv to support tensor image, you should know below
# opencv support numpy format, dtype is uint8, pixle range [0, 255]
# when use ToTensor, tensor range is [0, 1], dtype is FloatTensor
# channel: PIL && torch:RGB   opencv:BGR
# dimensional: torch: CHW  numpy: HWC
# show tensor
tensor_ = image2
array_ = tensor_.numpy()  # convert tensor to numpy
max = array_.max()
array_ = array_*255/max  # expand pixel from [0, 1] to [0, 255], then normalization
array_convert = np.uint8(array_)  # opencv only support uint8 numpy.array
print("array_convert:", array_convert.shape)  # array_convert: (3, 512, 384)
array_convert = array_convert.transpose(1, 2, 0)  # array_convert: (512, 384, 3)
cv2.imshow("image", array_convert)  # different from the original image
cv2.waitKey()
array_convert = cv2.cvtColor(array_convert, cv2.COLOR_RGB2BGR)  # convert RGB to BGR
cv2.imshow("image2", array_convert)  # the same to the original image
cv2.waitKey()



'''opencv'''
img = cv2.imread("./food-11/0000.jpg")
print(img)  # np.array.data[0, 255]
print(type(img))  # <class 'numpy.ndarray'>
print(img.dtype)  # uint8
print(img.shape)  # (512, 384, 3)
cv2.imshow("img", img)
cv2.waitKey()
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # if don't convert, the image will distort
img2 = transforms.ToPILImage()(img)
img2.show()

如果图片为 numpy 类型的浮点数 float32，可以直接用 skimage.img_as_ubyte 将其转换为 255 范围的 uint8 类型，img=skimage.img_as_ubyte(img)

本文由 Yonghui Wang 创作，采用知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外，均为本站原创或翻译，转载前请务必署名
最后编辑时间为: Dec 19, 2024 12:18 pm

ToPILImage&&ToTensor