Python：一张图像在网络中会遇到什么？

在图像处理中，一张图像的旅行是怎么进行的呢？（本故事依据真实代码改编）

1.图像的来源：input_path，到图像家把图像喊出来。通常找OPENCV、PIL去喊比较有成效：

• OPENCV： 直接返回numpy.ndarray()，其通道为BGR，HWC，0~255取值

img=cv2.imread() #直接返回numpy.ndarray()，其通道为BGR，HWC，0~255取值
img=cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #BGR转RGB

• PIL图像： 直接返回numpy.ndarray()，其通道为RGB（后续）

2.图像的归一化：img/255.0 img/27.5-1，便于后续处理

img=img/255.0   #图像归一化，范围[ 0,1]
img=img/127.5-1 #图像归一化，范围[-1,1]

3.图像的变形：图像好不容易来到网络家，发现进不了网络家的门哇！Resize来帮忙！利用scale、interpolation对图像进行缩放。

4.图像的标准化：welcome，图像来到网络家，那么得遵守网络家得规范哇，先把自己标准化一下，标准化就可以：以不变应万变啦。标准化的数值都很固定啦~

normalization = NormalizeImage(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])

5.图像的表示：标准化的图像，发现网络家的一系列操作都是对长宽要求多，把通道放前面，大家通道都一样为3啦~这里请来了transpose进行置换！

6.图像的加工：网络家的修理师傅，都是来自pytorch家族，需要进行numpy的array与torch的tensor互相转换，第一次加工，当然就是numpy的array到pytorch的torch~

sample = torch.from_numpy(img_input).to(device).unsqueeze(0)
torch.from_numpy() #numpy中的ndarray转化成pytorch中的tensor
numpy()            #pytorch中的tensor转化成numpy中的ndarray

7.图像的输出：加工完的图像，变化大不一样，但是他要是回得了家，还是得恢复原来的摸样呀！至少尺寸不能短斤少两把~那么就得保护好处理后的图像，同时还原图像的尺寸。

一趟旅行就结束啦~