PIL，cv2读取类型及 numpy，tensor格式转换

PIL读取图片格式以及数据转换操作

PIL库读取的图片格式是 H x W x C 格式的。比如一张图是128x128x3，图片格式PIL.PngImagePlugin.PngImageFile。
通过numpy.array(img)或者numpy.asarray(img)，转化为uint8的数值数组形式，数值范围在0-255之间。两个函数的区别在于array函数会copy一个新的副本，占用新的空间，asarray不会。

import numpy as np
from PIL import Image
img = Image.open(path)
img = np.array(img)  # img是数值范围在0-255之间的uint8格式数组
# 注意img的形状是 H x W x C
# 如果想改变数组形状，可以使用transpose(idx1, idx2, idx3)

2.转换为tensor形式：

在Pytorch中，图片张量形式是 C x H x W，所以要把数组转置转置，用到transpose

import torch
from torchvision import transforms

# 1.
img = np.array(img).transpose(2, 0, 1)  # 表示C x H x W
img1 = torch.tensor(img / 255)  # 神经网络里的张量数值一般在0-1之间归一化处理，所以除以255
# 此时获得的数组就是形状为C x H x W的张量，数值0-1
# dtype=torch.float64

# 2.
# 或者经过transforms处理
trans = transforms.Compose([
	transforms.ToTensor()
])
img2 = trans(img)  # 自动转化为形状CxHxW的张量形式

3.由tensor转换为图片

经过tensor的处理过程之后，要将tensor形式转换为图片。
用到numpy()函数，fromarray()函数。uint8函数

 # 这里将tensor形式用numpy()函数转为数组形式，
 # 并且用transpose将数组转置为PIL能够处理的WxHxC形式。
nimg = img.numpy().transpose(1,2,0)
img = nimg * 255 # 将原来tensor里0-1的数值乘以255，以便转为uint8数据形式，uint8是图片的数值形式。
#那么此时img就是原料，通过两种方式将img化为图片
# 第一种
Image.fromarray(np.uint8(img)) # eg1
# 第二种
Image.fromarray(img.astype(np.uint8))#eg2

or 使用

transforms中有直接将tensor转换成pil文件的，
transforms.ToPILImage