摘要：

在圖像識別當中，一般步驟是先讀取圖片，然后把圖片數(shù)據(jù)轉(zhuǎn)化成tensor格式，再輸送到網(wǎng)絡(luò)中去。本文將介紹如何把圖片轉(zhuǎn)換成tensor。

一、數(shù)據(jù)轉(zhuǎn)換

把圖片轉(zhuǎn)成成torch的tensor數(shù)據(jù)，一般采用函數(shù)：torchvision.transforms。通過一個例子說明，先用opencv讀取一張圖片，然后在轉(zhuǎn)換；注意一點是：opencv儲存圖片的格式和torch的儲存方式不一樣，opencv儲存圖片格式是（H,W,C），而torch儲存的格式是（C,H,W）。

import torchvision.transforms as transforms
import cv2 as cv
img = cv.imread('image/000001.jpg')
print(img.shape)  # numpy數(shù)組格式為（H,W,C）
transf = transforms.ToTensor()
img_tensor = transf(img) # tensor數(shù)據(jù)格式是torch(C,H,W)
print(img_tensor.size())

注意：使用torchvision.transforms時要注意一下，其子函數(shù) ToTensor() 是沒有參數(shù)輸入的，以下用法是會報錯的

img_tensor = transforms.ToTensor(img)

必須是先定義和賦值轉(zhuǎn)換函數(shù)，再調(diào)用并輸入?yún)?shù)，正確用法：

img = cv.imread('image/000001.jpg')
transf = transforms.ToTensor()
img_tensor = transf(img)

再轉(zhuǎn)換過程中正則化

在使用 transforms.ToTensor() 進行圖片數(shù)據(jù)轉(zhuǎn)換過程中會對圖像的像素值進行正則化，即一般讀取的圖片像素值都是8 bit 的二進制，那么它的十進制的范圍為 [0, 255]，而正則化會對每個像素值除以255，也就是把像素值正則化成 [0.0, 1.0]的范圍。通過例子理解一下：

import torchvision.transforms as transforms
import cv2 as cv
img = cv.imread('image/000001.jpg')
transf = transforms.ToTensor()
img_tensor = transf(img)
print('opencv', img)
print('torch', img_tensor)

三、自行修改正則化的范圍

使用transforms.Compose函數(shù)可以自行修改正則化的范圍，下面舉個例子正則化成 [-1.0, 1.0]

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)

計算方式就是：

C=（C-mean）/ std

C為每個通道的所有像素值，彩色圖片為三通道圖像（BGR），所以mean和std是三個數(shù)的數(shù)組。

使用transforms.ToTensor()時已經(jīng)正則化成 [0,0, 0,1]了，那么(0.0 - 0.5)/0.5=-1.0，(1.0 - 0.5)/0.5=1.0，所以正則化成 [-1.0, 1.0]

補充：Python: 記錄一個關(guān)于圖片直接轉(zhuǎn)化為pytorch.tensor和numpy.array的不同之處的問題

img = Image.open(img_path).convert("RGB")
img2 = torchvision.transforms.functional.to_tensor(img)
print(img2)
img1 = np.array(img)
print(img1)

輸出是這樣的：

不僅shape不一樣，而且值也是不一樣的。

解釋如下：

tensor = torch.from_numpy(np.asarray(PIL.Image.open(path))).permute(2, 0, 1).float() / 255
tensor = torchvision.transforms.functional.to_tensor(PIL.Image.open(path)) # 兩種方法是一樣的

PIL.Image.open()得到HWC格式，直接使用numpy 去轉(zhuǎn)換得到(h,w,c)格式，而用to_tensor得到(c,h,w)格式且值已經(jīng)除了255。

byte()相當于to(torch.uint8)，tensor.numpy()是把tensor 轉(zhuǎn)化為numpy.array格式。

在這里需要注意的是PIL和OPENCV的圖像讀取得到的格式都是HWC格式，一般模型訓練使用的是CHW格式, H為Y軸是豎直方向，W為X軸水平方向。

且torchvision.transforms.functional.to_tensor()對所有輸入都是有變換操作。

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。