Pytorch中Tensor如何与各种图像格式相互转化

这篇文章给大家分享的是有关Pytorch中Tensor如何与各种图像格式相互转化的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

格式转换

我们一般在pytorch或者python中处理的图像无非这几种格式：

• PIL：使用python自带图像处理库读取出来的图片格式

• numpy：使用python-opencv库读取出来的图片格式

• tensor：pytorch中训练时所采取的向量格式（当然也可以说图片）

注意，之后的讲解图片格式皆为RGB三通道，24-bit真彩色，也就是我们平常使用的图片形式。

PIL与Tensor

PIL与Tensor的转换相对容易些，因为pytorch已经提供了相关的代码，我们只需要搭配使用即可：

所有代码都已经引用了（之后的代码省略引用部分）：

import torch from PIL import Image import matplotlib.pyplot as plt # loader使用torchvision中自带的transforms函数 loader = transforms.Compose([   transforms.ToTensor()])  unloader = transforms.ToPILImage()

1 PIL读取图片转化为Tensor

# 输入图片地址 # 返回tensor变量 def image_loader(image_name):   image = Image.open(image_name).convert('RGB')   image = loader(image).unsqueeze(0)   return image.to(device, torch.float)

2 将PIL图片转化为Tensor

# 输入PIL格式图片 # 返回tensor变量 def PIL_to_tensor(image):   image = loader(image).unsqueeze(0)   return image.to(device, torch.float)

3 Tensor转化为PIL图片

# 输入tensor变量 # 输出PIL格式图片 def tensor_to_PIL(tensor):   image = tensor.cpu().clone()   image = image.squeeze(0)   image = unloader(image)   return image

4 直接展示tensor格式图片

def imshow(tensor, title=None):   image = tensor.cpu().clone() # we clone the tensor to not do changes on it   image = image.squeeze(0) # remove the fake batch dimension   image = unloader(image)   plt.imshow(image)   if title is not None:     plt.title(title)   plt.pause(0.001) # pause a bit so that plots are updated

5 直接保存tensor格式图片

def save_image(tensor, **para):   dir = 'results'   image = tensor.cpu().clone() # we clone the tensor to not do changes on it   image = image.squeeze(0) # remove the fake batch dimension   image = unloader(image)   if not osp.exists(dir):     os.makedirs(dir)   image.save('results_{}/s{}-c{}-l{}-e{}-sl{:4f}-cl{:4f}.jpg'         .format(num, para['style_weight'], para['content_weight'], para['lr'], para['epoch'],             para['style_loss'], para['content_loss']))

numpy与Tensor

numpy格式是使用cv2，也就是python-opencv库读取出来的图片格式，需要注意的是用python-opencv读取出来的图片和使用PIL读取出来的图片数据略微不同，经测试用python-opencv读取出来的图片在训练时的效果比使用PIL读取出来的略差一些(详细过程之后发布)。

之后所有代码引用：

import cv2 import torch import matplotlib.pyplot as plt

numpy转化为tensor

def toTensor(img):   assert type(img) == np.ndarray,'the img type is {}, but ndarry expected'.format(type(img))   img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)   img = torch.from_numpy(img.transpose((2, 0, 1)))   return img.float().div(255).unsqueeze(0) # 255也可以改为256

tensor转化为numpy

def tensor_to_np(tensor):   img = tensor.mul(255).byte()   img = img.cpu().numpy().squeeze(0).transpose((1, 2, 0))   return img

展示numpy格式图片

def show_from_cv(img, title=None):   img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)   plt.figure()   plt.imshow(img)   if title is not None:     plt.title(title)   plt.pause(0.001)

展示tensor格式图片

def show_from_tensor(tensor, title=None):   img = tensor.clone()   img = tensor_to_np(img)   plt.figure()   plt.imshow(img)   if title is not None:     plt.title(title)   plt.pause(0.001)

注意

上面介绍的都是一张图片的转化，如果是n张图片一起的话，只需要修改一下相应代码即可。

举个例子，将之前说过的修改略微修改一下即可：

# 将 N x H x W X C 的numpy格式图片转化为相应的tensor格式 def toTensor(img):   img = torch.from_numpy(img.transpose((0, 3, 1, 2)))   return img.float().div(255).unsqueeze(0)

感谢各位的阅读！关于“Pytorch中Tensor如何与各种图像格式相互转化”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！