pytorch中对图像的基本操作

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qxqsunshine/article/details/84109949

Pytorch提供了一个torchvision.transforms的包，可以使用transforms进行如下操作：

1、ＰＩＬ.image / numpy. ndarray 与Ｔｅｎｓｏｒ相互转化

２、进行归一化

３、对PIL.image进行裁剪、缩放等操作

一、ＰＩＬ.image / numpy. ndarray 转化为Ｔｅｎｓｏｒ，常常在训练模型阶段进行数据读取，

Tensor转化为ＰＩＬ.image / numpy. ndarray则使用在验证模型阶段的数据输出

使用transforms.ToTensor()将ＰＩＬ.image / numpy. ndarray转化为torch.FloatTensor，再转化为【0,1.0】

使用transforms.ToPILImage将Tensor转化为PIL.image

二、对Tensor进行变换

class torchvision.transforms.Normalize(mean, std)

给定均值：（R，G，B）;    方差：（R，G，B）   将会把Tensor正则化，即Normalized_image=(image-mean)/std

例如：把一个取值范围为【0,255】的PIL.Image  或者shape 为（H，W，C）的numpy.ndarray

转换成形状为【C，H，W】，其取值范围为【0,1.0】的troch.FloadTensor

代码实现：

data=np.random.randint(0,255,size=300)

img=data.reshape(10,10,3)

print(img.shape)

img_tensor=transforms.ToTensor()(img) #转换成Tensor

print(img_tensor)

(PS : 其实不太懂这个，到底怎么用)