OpenCV/CV2,PIL,Tensor之间如何互相转化
参考资料:
torchvision文档
众所周知OpenCV/CV2和PIL是Python领域最常使用的图像处理库,而Pytorch Tensor则是我们在深度学习领域接触最多的张量数据结构,知道这几种格式之间的相互转化方式是非常有必要的。三类,一共6种相互转化的链路,下面一一道来:
1. OpenCV/CV2(ndarray)
cv2不像PIL Image那样有特定的图像存储类,因此cv2格式其实是一个伪命题。使用cv2读取图片,实际上获得的是一个ndarray。ndarray更是我们的老熟人,它是numpy包中的张量数据类型。
ndarray to tensor:
image_nd = cv2.imread("XX.jpg") A = ( torch.tensor(image_nd) / 255. ).flip(-1)
上面是一个典型的代码片,需要注意cv2读到的ndarray是uint8类型,并且默认通道顺序是BGR,因此需要先除以255然后反转最后一个维度(Pytorch不支持[::-1]这种切片逆转语法)。
ndarray to pil
image_nd = cv2.imread("/data1/chaishang.cs/Tryon/31_human.jpg") image_pil = Image.fromarray(image_nd[..., ::-1])
只需使用Image.fromarray方法,需要注意pil图片的通道顺序是RGB,因此也需要先对通道进行反转。
2. PIL image
pil to tensor
import torchvision.transforms.functional as F F.pil_to_tensor(image_pil) / 255.
pil to ndarray
image_nd = np.array(image_pil)
3. Tensor
tensor to ndarray
直接对tensor调用.numpy()函数即可,如果tensor位于cuda上,需要先运行.cpu()
tensor to pil
import torchvision.transforms.functional as F F.to_pil_image(tensor)
需要注意tensor需要是[C, H, W]的格式,并且归一化到[0, 1]区间。