CV2,Image,PIL图片读取，并且与Tensor相互转化并展示

通过以下学习，可以在进行深度学习过程中，随意挑出图片进行展示，通过Tensor转化为numpy或者是PIL进行查看。

1 图片读取

读取方式	读入的格式	RGB顺序	HWC顺序
cv2.imread(path)	numpy.ndarray	BGR	H、W、C
plt.imread(path)	numpy.ndarray	RGB	H、W、C
Image.open(path)	PIL	RGB	H、W、C

2 图片展示

都用plt.imshow() 展示就行了，太完美了，不过plt展示需要的是RGB顺序，所以展示cv2的图片会出现问题，但是只需要重构一下顺序就行了

举例：

这里的im_cv出现色彩失调问题，就是因为读入的是BGR，而plt展示的是按照RGB进行展示的，解决方法如下：

修改cv2的BGR顺序重新展示：

就是对cv2读取的数据进行RGB重构

3 ndarry和PIL相互转化

目的	方式
ndarry -> PIL	img = Image.fromarray(img.astype(“uint8”)).convert(“RGB”)
PIL -> ndarry	img = np.array(img)

举例：

'''PIL转成numpy数组：'''
img = Image.open(img_path)
print(type(img))  #<class 'PIL.Image.Image'>
img = np.array(img)  
print(type(img))  #<class 'numpy.ndarray'>
print('PIL',img.shape)  #(H,W,C)

'''numpy 转成 PIL'''
#input img is numpy type
img = Image.fromarray(img.astype('uint8')).convert('RGB')
print(type(img))    #<class 'PIL.Image.Image'>

4 Tensor与ndarry和PIL相互转化

目的	方式
PIL、ndarry -> Tensor	transforms.ToTensor()
Tensor -> PIL	transforms.ToPILImage()
Tensor -> ndarry	.numpy()

Tensor 实际上就是ndarry数据类型加上自动微分的功能，所以将Tensor转化为ndarry只需要用.numpy()即可

5 例子

5.1 Tensor -> PIL -> 显示

Tensor通过ToPILImage() 进行转换，通道都不用改变，转换后的数据类型可以直接通过plt进行显示

5.2 Tensor -> ndarry ->显示

将cv2的图片进行转为Tensor再转为图片，如果想要正常显示，需要进行数据扩大和astype操作，同时，因为Tensor为CHW形式的，所以转为ndarry，也需要通过np.transpose转换一下维度。

剩下的一种使用plt进行读入，抓为Tensor，再转为ndarry可以自己动手练一下，比5.2还要简单一点