【PyTorch】【机器学习】图片张量、通道分解合成和裁剪

本文主要是介绍【PyTorch】【机器学习】图片张量、通道分解合成和裁剪，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、导入所需库

from PIL import Image
import torch
import numpy as np
import matplotlib.pyplot as plt

二、读取图片

pic = np.array(Image.open('venice-boat.jpg'))

上述代码解释：先用Image.open()方法读取jpg格式图片，再用np.array()方法将图片转成numpy数组（ndarray）格式。

三、建立张量

图片在PyTorch中以3维张量表示。以下代码将图片转换成张量形式：

pic_tensor = torch.from_numpy(pic)

打印张量数据内容：

print(pic_tensor)

输出：

tensor([[[ 47, 138, 221],  # 每个像素点的RGB颜色值[ 49, 138, 220],[ 50, 139, 221],...,[ 89, 149, 221],[ 87, 150, 221],[ 86, 149, 220]],[[ 47, 138, 221],[ 49, 138, 220],[ 50, 139, 221],...,[ 88, 148, 220],[ 85, 148, 219],[ 85, 148, 219]],[[ 47, 138, 221],[ 49, 138, 220],[ 50, 139, 221],...,[ 84, 147, 218],[ 84, 147, 218],[ 83, 146, 217]],...,

四、通过张量对图片进行操作

（注：在以下的各个操作下，还需要用plt.show()语句才能将图片输出到屏幕上。）

1、打印整张图片

plt.imshow(pic)

2、分RGB通道打印图片

输出通道1：

plt.imshow(pic_tensor[:, :, 0].numpy())

输出通道2：

plt.imshow(pic_tensor[:, :, 1].numpy())

输出通道3：

plt.imshow(pic_tensor[:, :, 2].numpy())

注意： 三通道并不是简单的算术叠加，例如以下代码的输出和原图大相径庭：

from PIL import Image
import torch
import numpy as np
import matplotlib.pyplot as pltpic_1 = np.array(Image.open('Channel_1.jpg'))
pic_2 = np.array(Image.open('Channel_2.jpg'))
pic_3 = np.array(Image.open('Channel_3.jpg'))pic_tensor_1 = torch.from_numpy(pic_1)
pic_tensor_2 = torch.from_numpy(pic_2)
pic_tensor_3 = torch.from_numpy(pic_3)pic_tensor = pic_tensor_1 + pic_tensor_2 + pic_tensor_3
plt.imshow(pic_tensor.numpy())plt.show()

输出图片：

3、裁剪图片

对图片张量的裁剪在其前2个维度上进行（第3个维度为颜色通道），示例代码如下：

plt.imshow(pic_tensor[50: 1050, 400: 800, :].numpy())

裁剪结果：

这篇关于【PyTorch】【机器学习】图片张量、通道分解合成和裁剪的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---