pytorch讀取圖像數(shù)據(jù)轉(zhuǎn)成opencv格式實(shí)例

更新時(shí)間：2020年06月02日 10:24:54 作者：若曦爹

這篇文章主要介紹了pytorch讀取圖像數(shù)據(jù)轉(zhuǎn)成opencv格式實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

pytorch讀取圖像數(shù)據(jù)轉(zhuǎn)成opencv格式方法：先轉(zhuǎn)成numpy通用的格式，再將其轉(zhuǎn)換成opencv格式。

pytorch讀取的數(shù)據(jù)使用loaddata這類函數(shù)實(shí)現(xiàn)。pytorch網(wǎng)絡(luò)輸入圖像的格式為（C, H, W)，就是（通道數(shù)，高，寬）而numpy中圖像的格式為（H,W,C）。

那就將其通道調(diào)換一下。用到函數(shù)transpose。

轉(zhuǎn)換方法如下

例如A 的格式為（c,h,w）那么經(jīng)過

A = A.transpose(1,2,0)

后就變成了（h,w,c）了

然后用語(yǔ)句

B= cv2.cvtColor(A,cv2.COLOR_RGB2BGR)

結(jié)果就變成opencv可用的圖像了。如果不做transpose轉(zhuǎn)換，那么得到的圖像是一個(gè)1*h大小的圖.......

完整代碼：

變換部分：

一般的pytorch會(huì)進(jìn)行裁剪放縮歸一化等操作。例如

transforms = Compose([
      ToTensor(),//將數(shù)據(jù)除以255加載進(jìn)來
      Resize(768),//裁剪768*768大小的圖像
      ConvertMaskID(Cityscapes.classes),//與這個(gè)事無關(guān)不用去管它
      Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])// 歸一化 利用均值方差歸一化
    ])

那么被處理的數(shù)據(jù)就要反歸一化回來唄

代碼如下：三通道的數(shù)據(jù)

      image_idx = x[idx].cuda().data.cpu().float().numpy() #經(jīng)過上面處理的數(shù)據(jù) 在gpu上給取出來放在cpu上。是個(gè)numpy類型
      image_idx[0] = image_idx[0] * std[0] + mean[0]#三個(gè)通道分別進(jìn)行反歸一化...按公式來的
      image_idx[1] = image_idx[1] * std[1] + mean[1]
      image_idx[2] = image_idx[2] * std[2] + mean[2]
      
      image_idx[0][image_idx[0] > 1] = 1#對(duì)最大值最小值做次保護(hù)
      image_idx[0][image_idx[0] < 0] = 0
      
      image_idx[1][image_idx[1] > 1] = 1
      image_idx[1][image_idx[1] < 0] = 0
      
      image_idx[2][image_idx[2] > 1] = 1
      image_idx[2][image_idx[2] < 0] = 0
      
      image_idx = image_idx.transpose(1,2,0)

      img1 = cv2.cvtColor(image_idx * 255,cv2.COLOR_RGB2BGR)#轉(zhuǎn)成opencv認(rèn)識(shí)的玩意
      tpath1="dddd/"+"yy0" + str(100 * i + idx) + '.jpg'
      cv2.imwrite(tpath1, img1)

補(bǔ)充知識(shí)：pytorch的tensor，Image，numpy和opencv四種格式的相互轉(zhuǎn)換

話不多說，先上代碼

# -*- coding: utf-8 -*-
# @Time  : 2019/4/28 13:52
# @Author : ljf
import torch
from torchvision import transforms
from PIL import Image
import numpy as np
import cv2

# 1.1 tensor2Image Image格式進(jìn)行繪圖，展示
tensor1 = torch.randint(0,255,(300,300))
transform1 = transforms.ToPILImage(mode="L")
image1 = transform1(np.uint8(tensor1.numpy())) # Image接受的圖像格式必須為uint8，否則就會(huì)報(bào)錯(cuò)
print(tensor1.size())
print(image1)
# image.show()
image1.save("gray.jpg")

# 1.2 Image2tensor tensor格式方便使用torch進(jìn)行數(shù)據(jù)增強(qiáng)，也是模型訓(xùn)練的格式
# 先剪切，再轉(zhuǎn)為tensor。底層也是PIL實(shí)現(xiàn)的
transform2 = transforms.Compose([transforms.RandomCrop([200,200],padding=10),transforms.ToTensor()])
image2 = Image.open("gray.jpg")
tensor2 = transform2(image2)
print(tensor2.size())

# 2.1 tensor2numpy 再1.1中也用到了，numpy格式主要用于容易轉(zhuǎn)換數(shù)據(jù)格式，也有利于轉(zhuǎn)為opencv格式。
array1 = tensor1.numpy()
print(array1.shape)
print(array1.dtype)

# 2.2 numpy2tensor 1.2有介紹，不再贅述
tensor3 = torch.Tensor(array1)
tensor4 = transforms.ToTensor()(array1)
print(tensor3.size())
print(tensor4.size()) # 會(huì)增加一個(gè)維度

# 3.1 numpy2opencv openc格式方便畫目標(biāo)框，圖片上面寫字(Image格式也可以實(shí)現(xiàn)，不是很熟悉，，，)
# opencv 讀取出來就是numpy的數(shù)據(jù)格式
cv2.imshow("img",np.uint8(array1))
# cv2.waitKey()
# cv2.destroyAllWindows()

# 3.2 opencv2numpy
array2 = cv2.imread("./gray.jpg") # 這里使用opencv讀取的是三通道，plt讀取的是單通道。。暫時(shí)還沒搞懂
print(array2.shape)
print(array2.dtype)

# 4.1 opecv2Image
image3 = Image.fromarray(array2,mode="RGB")
# image3.show()

# 4.2 Image2opencv
# 這里有兩種方式，一種稍復(fù)雜點(diǎn)，但是可以保存數(shù)據(jù)形狀
array3 = transforms.ToTensor()(image3).numpy()

# Image自帶的屬性，但是會(huì)打亂數(shù)據(jù)為一維
list1 = list(image3.getdata())
print(array3.shape)
print(list1)

上面的四種格式轉(zhuǎn)換時(shí)在做一個(gè)“圖像分類”的項(xiàng)目經(jīng)常用到的，比如保存圖片，圖片上面加中文等等。因?yàn)檫@些代碼不是很常用，不熟練，所以每次都要在網(wǎng)上找下。這個(gè)博文也方便我來查找，大家有需要的也可以進(jìn)行保存。

后續(xù)更新解決opecv，matplotlib顯示中文問題，以及分類模型中加入評(píng)價(jià)指標(biāo)confusion matrix

歡迎大家留言批評(píng)指正

以上這篇pytorch讀取圖像數(shù)據(jù)轉(zhuǎn)成opencv格式實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: