Tensor转为numpy
np.array(Tensor)
numpy转换为Tensor
torch.Tensor(numpy.darray)
PIL.Image.Image转换成numpy
np.array(PIL.Image.Image)
numpy 转换成PIL.Image.Image
Image.fromarray(numpy.ndarray)
首先需要保证numpy.ndarray 转换成np.uint8型
numpy.astype(np.uint8),像素值[0,255]。
同时灰度图像保证numpy.shape为(H,W)，不能出现channels
这里需要np.squeeze()。彩色图象保证numpy.shape为(H,W,3)
之后Image.fromarray(numpy.ndarray)
PIL.Image.Image转换成Tensor
torchvision.transfrom
|
1
2
3
4
5
|
img=Image.open('00381fa010_940422.tif').convert('L')import torchvision.transforms as transforms trans=transforms.Compose([transforms.ToTensor()])a=trans(img) |
Tensor转化成PIL.Image.Image
先转换成numpy，再转换成PIL.Image.Image
灰度图像
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
img=Image.open('00381fa010_940422.tif').convert('L')import torchvision.transforms as transformstrans=transforms.Compose([transforms.ToTensor()])a=trans(img)b=np.array(a) #b.shape (1,64,64)maxi=b.max()b=b*255./maxib=b.transpose(1,2,0).astype(np.uint8)b=np.squeeze(b,axis=2)xx=Image.fromarray(b)xx |
彩色图象
|
1
2
3
4
5
6
7
8
9
10
|
img2=Image.open('00381fa010_940422.tif').convert('RGB')import torchvision.transforms as transformstrans=transforms.Compose([transforms.ToTensor()])a=trans(img2)a=np.array(a)maxi=a.max()a=a/maxi*255a=a.transpose(1,2,0).astype(np.uint8)b=Image.fromarray(a)b |
python-opencv
|
1
2
3
4
5
6
|
import cv2a=cv2.imread('00381fa010_940422.tif') #a.shape (64,64,3)cv2.imwrite('asd.jpg',a)Image.fromarray(a)b=cv2.imread('00381fa010_940422.tif',0)#b.shape (64,64)Image.fromarray(b) |
cv2.imread()返回numpy.darray， 读取灰度图像之后shape为(64,64)，RGB图像的shape为(64,64,3)，可直接用Image.fromarray()转换成Image。
cv写图像时，灰度图像shape可以为(H,W)或（H,W,1)。彩色图像（H,W,3）
要从numpy.ndarray得到PIL.Image.Image，灰度图的shape必须为(H,W)，彩色为(H,W,3)
对于Variable类型不能直接转换成numpy.ndarray,需要用.data转换
np.array(a.data)
以上这篇python、PyTorch图像读取与numpy转换实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/yskyskyer123/article/details/80707038
