图像操作

numpy数组

查看形状

numpy

print(f"before transpose img_f shape is {img_f.shape}")

一般PIL图像都是HWC，一般张量都是CHW，所以用 image = img.permute(2, 0, 1)来调换通道

PIL

print(Image.open(image_path))就可以查看一个图像的基本信息

<PIL.Image.Image image mode=RGB size=320x320 at 0x7FA27DF10910>

张量

张量要求输入是四维，所以如果只有1张图片，要修改

张量与PIL之间转换

import torch
from PIL import Image

# 加载图片并转换为张量
image = Image.open('/home/ztb/alg_mini/computer_design/sbi数据集/faces/1.png')
transform = torchvision.transforms.ToTensor()
image_tensor = transform(image)

# 添加批量维度并调整通道顺序
image_tensor = image_tensor.unsqueeze(0)  # 添加批量维度
image_tensor = image_tensor.permute(0, 2, 3, 1)  # 调整通道顺序

# 将图片输入模型进行推理
output = model(image_tensor)

输入模型的张量格式通常是一个四维张量，其形状为 [batch_size, channels, height, width]，其中：

• batch_size 表示每个批次中样本的数量。
• channels 表示图片的通道数，对于彩色图片通常为3（R、G、B），对于灰度图片通常为1。
• height 表示图片的高度。
• width 表示图片的宽度。

这种格式通常称为 CHW 格式，因为通道在前，高度在中间，宽度在最后。

图像值的变换

为什么一会float / 255，一会有int * 255