PIL与TorchVision

PIL与TorchVision概述

PIL（Python Imaging Library）及其分支Pillow是Python中处理图像的基础库，提供打开、操作和保存多种图像格式的功能。TorchVision是PyTorch的官方库，专注于计算机视觉任务，包含数据集、模型架构和图像转换工具，常与PIL/Pillow结合使用。

---

PIL/Pillow的核心功能

图像加载与保存
通过Image.open()加载图像，image.save()保存图像，支持JPEG、PNG等格式。

基础操作
包括裁剪（crop）、旋转（rotate）、调整大小（resize）和色彩模式转换（如RGB转灰度）。

示例代码

from PIL import Image
image = Image.open("example.jpg")
image = image.resize((256, 256))
image.save("resized.jpg")

---

TorchVision的核心功能

数据预处理
提供transforms模块，包含Compose、ToTensor、Normalize等工具，用于将PIL图像转换为张量并标准化。

预训练模型
内置ResNet、VGG等模型，可直接加载用于迁移学习或推理。

数据集工具
包含常见数据集（如CIFAR-10、ImageNet）的加载接口，兼容torch.utils.data.DataLoader。

---

PIL与TorchVision的协作

转换流程
PIL处理原始图像（如裁剪），TorchVision的transforms将图像转为张量并归一化，适合模型输入。

代码示例

from torchvision import transforms
transform = transforms.Compose([
    transforms.Resize(256),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.5], std=[0.5])
])
tensor_image = transform(image)  # image为PIL对象

---

关键差异

用途

• PIL：基础图像处理（编辑、格式转换）。
• TorchVision：计算机视觉任务（数据增强、模型训练）。

数据类型

• PIL操作Image对象，TorchVision处理torch.Tensor。

---

应用场景建议

PIL适用场景
需手动调整图像尺寸、色彩或保存中间结果时。

TorchVision适用场景
构建数据管道（如训练CNN）或使用预训练模型时。

两者常结合使用：PIL预处理原始数据，TorchVision完成后续自动化转换和模型集成。