計(jì)算機(jī)視覺(jué)方面朋友都需要跟圖像打交道，在pytorch中圖像與我們平時(shí)在matlab中見(jiàn)到的圖像數(shù)據(jù)格式有所不同。matlab中我們通常使用函數(shù)imread()來(lái)輕松地讀入一張圖像，我們?cè)谧兞靠臻g中可看到數(shù)據(jù)的存儲(chǔ)方式是H x W x C的順序（其中H、W、C分別表示圖像的高、寬和通道數(shù)，通道數(shù)一般為RGB三通道），另外，其中的每一個(gè)數(shù)據(jù)都是[0,255]的整數(shù)。

在使用pytorch的時(shí)候，我們通常要使用pytorch中torchvision包下面的datasets模塊和transforms模塊。而通常情況下在我們使用了這兩個(gè)模塊之后，所處理的圖像數(shù)據(jù)格式已經(jīng)不是我們所熟知的格式了。

下面按照代碼來(lái)進(jìn)行講解：

#導(dǎo)入需要的包和模塊
import torch
from torchvision import datasets, transforms
import os
 
#transforms指明了需要對(duì)原始圖像做何種變換
data_transforms = transforms.Compose([
    transforms.RandomResizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
  ])
 
#指明了圖像存放的位置；里面可能有好幾個(gè)文件夾，分別存放不同種類的圖像
data_dir = 'original_data'
image_dataset = datasets.ImageFolder(data_dir, data_transforms)
dataloader = torch.utils.data.DataLoader(image_dataset, batch_size=4, shuffle=True, num_workers=4)

代碼中首先使用datasets模塊讀取圖像數(shù)據(jù)，輸出的圖像類型為PILImage，并且圖像中的每一個(gè)數(shù)據(jù)大小范圍已經(jīng)不再是[0,255]，而是[0,1]。datasets模塊下有好幾個(gè)讀取圖像的類，比如CIFAR10、MNIST等能夠直接獲取標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)；而我們代碼中所使用的類是ImageFolder，它能夠讀取本地存放的圖像。其中需要指定圖像所在文件路徑和需要對(duì)數(shù)據(jù)進(jìn)行的變換。

從上面的data_transforms變量中我們能夠看出進(jìn)行了多種變換，而Compose就是將多種變換組合起來(lái)的方法。data_transforms中一共包含了四個(gè)變換，前兩個(gè)是對(duì)PILImage進(jìn)行的，分別對(duì)其進(jìn)行隨機(jī)大?。J(rèn)原始圖像大小的0.08-1.0）和隨機(jī)寬高比（默認(rèn)原始圖像寬高比的3/4-4/3）的裁剪，之后resize到指定大小224；以及對(duì)原始圖像進(jìn)行隨機(jī)（默認(rèn)0.5概率）的水平翻轉(zhuǎn)。

第三個(gè)transforms.ToTensor()的變換操作是關(guān)鍵一步，它將PILImage轉(zhuǎn)變?yōu)閠orch.FloatTensor的數(shù)據(jù)形式，這種數(shù)據(jù)形式一定是C x H x W的圖像格式加上[0,1]的大小范圍。它將顏色通道這一維從第三維變換到了第一維。

后面的Normalize變換是對(duì)tensor這種數(shù)據(jù)格式進(jìn)行的，它的操作是用給定的均值和標(biāo)準(zhǔn)差分別對(duì)每個(gè)通道的數(shù)據(jù)進(jìn)行正則化。具體來(lái)說(shuō)，給定均值(M1,...,Mn)，給定標(biāo)準(zhǔn)差(S1,..,Sn)，其中n是通道數(shù)（一般是3），對(duì)每個(gè)通道進(jìn)行如下操作：

output[channel] = (input[channel] - mean[channel]) / std[channel]

經(jīng)過(guò)上面一系列的轉(zhuǎn)換之后，我們可以得出的結(jié)論是，圖像的數(shù)據(jù)格式首先在維度的排序上發(fā)生了改變，其次數(shù)據(jù)的范圍也發(fā)生了改變。

以上這篇pytorch中圖像的數(shù)據(jù)格式實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論