cv2和torchvision读取图像函数的比较

摘要：本文介绍并比较了cv2.imread和torchvision.io.read_img两种读取图像的方法。

---

引言

在通过PytTorch处理图像时，torchvision是一个强有力的工具包。而OpenCV是传统计算机视觉影响力最大的库，在Python中使用numpy对图像处理。它们都提供了读取图像的接口。

本文在实验时分别用了两者的接口读取COCO数据集中的图像，然而，COCO数据集中有彩图和灰度图，两中读图函数在处理时通道数可能不同，导致后续处理时报错。故此，本文梳理比较了二者读取图像API的不同。

torchvision.io.read_image

Pytorch处理图像的格式为Tensor，read_img函数读取图片时活得的格式便是如此，其各个维度为顺序为[‘C’, ‘H’, ‘W’]，分别代表着通道数、图片高度以及宽度。

如果图片本身是黑白的，read_image读取的图片通道数C为1。除此之外，read_image读入的图像每个像素0-255整形。若希望处理范围到[0, 1]之间，则需要手动除以255，如下所示。

img = read_image(img_path) / 255.0

cv2.imread

PyTorch处理的图像也常使用OpenCV、PIL等库进行读取。其中，OpenCV读取的图像用numpy数组进行表示，各维度顺序为[‘H’, ‘W’, ‘C’]。如果采取这种方案读取数据，需要将numpy转换为tensor，同时还要将维度的顺序改变。

Pytorch中最常用的方法是使用torchvision.transforms中的ToTensor，这个操作会将一个取值范围在[0,255]的numpy.ndarray图像转换为[0,1.0]的torch.FloadTensor图像，同时各维度的顺序也将自动调整。

与上一节read_image不同，cv2.imread遇到一个黑白图片时，会自动复制成3个通道，除非在传入的参数中指定该图像是一张灰度图(flags设置为cv2.IMREAD_GRAYSCALE)，更简单的写法如下：

img = cv2.imread(img_path, 0)