摘要：
在图像识别当中，一般步骤是先读取图片，然后把图片数据转化成tensor格式，再输送到网络中去。本文将介绍如何把图片转换成tensor。
一、数据转换
把图片转成成torch的tensor数据，一般采用函数：torchvision.transforms。通过一个例子说明，先用opencv读取一张图片，然后在转换；注意一点是：opencv储存图片的格式和torch的储存方式不一样，opencv储存图片格式是（h,w,c），而torch储存的格式是（c,h,w）。
|
1
2
3
4
5
6
7
|
import torchvision.transforms as transformsimport cv2 as cvimg = cv.imread('image/000001.jpg')print(img.shape) # numpy数组格式为（h,w,c）transf = transforms.totensor()img_tensor = transf(img) # tensor数据格式是torch(c,h,w)print(img_tensor.size()) |
注意：使用torchvision.transforms时要注意一下，其子函数 totensor() 是没有参数输入的，以下用法是会报错的
|
1
|
img_tensor = transforms.totensor(img) |
必须是先定义和赋值转换函数，再调用并输入参数，正确用法：
|
1
2
3
|
img = cv.imread('image/000001.jpg')transf = transforms.totensor()img_tensor = transf(img) |
再转换过程中正则化
在使用 transforms.totensor() 进行图片数据转换过程中会对图像的像素值进行正则化，即一般读取的图片像素值都是8 bit 的二进制，那么它的十进制的范围为 [0, 255]，而正则化会对每个像素值除以255，也就是把像素值正则化成 [0.0, 1.0]的范围。通过例子理解一下：
|
1
2
3
4
5
6
7
|
import torchvision.transforms as transformsimport cv2 as cvimg = cv.imread('image/000001.jpg')transf = transforms.totensor()img_tensor = transf(img)print('opencv', img)print('torch', img_tensor) |
三、自行修改正则化的范围
使用transforms.compose函数可以自行修改正则化的范围，下面举个例子正则化成 [-1.0, 1.0]
|
1
2
3
4
5
6
7
8
|
transf2 = transforms.compose( [ transforms.totensor(), transforms.normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5)) ])img_tensor2 = transf2(img)print(img_tensor2) |
计算方式就是：
|
1
|
c=（c-mean）/ std |
c为每个通道的所有像素值，彩色图片为三通道图像（bgr），所以mean和std是三个数的数组。
使用transforms.totensor()时已经正则化成 [0,0, 0,1]了，那么(0.0 - 0.5)/0.5=-1.0，(1.0 - 0.5)/0.5=1.0，所以正则化成 [-1.0, 1.0]
补充：python: 记录一个关于图片直接转化为pytorch.tensor和numpy.array的不同之处的问题
|
1
2
3
4
5
|
img = image.open(img_path).convert("rgb")img2 = torchvision.transforms.functional.to_tensor(img)print(img2)img1 = np.array(img)print(img1) |
输出是这样的：
不仅shape不一样，而且值也是不一样的。
解释如下：
|
1
2
|
tensor = torch.from_numpy(np.asarray(pil.image.open(path))).permute(2, 0, 1).float() / 255tensor = torchvision.transforms.functional.to_tensor(pil.image.open(path)) # 两种方法是一样的 |
pil.image.open()得到hwc格式，直接使用numpy 去转换得到(h,w,c)格式，而用to_tensor得到(c,h,w)格式且值已经除了255。
byte()相当于to(torch.uint8)，tensor.numpy()是把tensor 转化为numpy.array格式。
在这里需要注意的是pil和opencv的图像读取得到的格式都是hwc格式，一般模型训练使用的是chw格式, h为y轴是竖直方向，w为x轴水平方向。
且torchvision.transforms.functional.to_tensor()对所有输入都是有变换操作。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/Caesar6666/article/details/108097049
