PIL学习笔记
Furyboyyy
这个作者很懒,什么都没留下…
展开
-
记cv2的一个大坑:自动将RGB图像转为BGR图像(自动将第一个通道和第三个通道翻转)
这几天debug发现cv2在处理图象时会自动将RGB格式的图像矩阵变为BGR格式。打个比方,如果用cv2保存一个RGB图像,再用其它图像处理的包(如PIL)打开,那么打开之后的图像就变为BGR格式了(第一个channel和第三个channel)翻转本文同时还提供了将RGB和BGR互相转换的代码原创 2021-01-11 16:56:46 · 5090 阅读 · 2 评论 -
Debug日记:为什么神经网络测试精度远低于验证精度??都是模式“P”惹的祸!!
一张RGB的图像,用PIL.Image.Open.convert直接转化为模式“P”的结果,和先转化为模式“L”再转化为模式“P”是不一样的!!!我在生成训练集和验证集的时候,将RGB的图像转化为模式“L”,再转化为模式“P”。而在生成验证集的时候,直接将RGB的图像直接转化为了模式“P”。原创 2020-12-15 21:42:40 · 1231 阅读 · 0 评论 -
自制VOC数据集的踩坑记录和解决方案:使用PIL生成8位深的RGB图像
自制VOC数据集时的踩坑记录,VOC数据集中的Ground Truth Mask(蒙板)尽管是彩色的,但是是8位深的。知识点总结: 1. VOC数据集的ground truth 是8位深的,即每个像素占8个bit 2. 用24位深的ground truth制作VOC数据集会报张量错误(除非修改网络结构) 3. PIL的模式“P”可以生成(转化)8位深的彩色图像 4. Image.open("Imagepath").convert(“mode”)不会改变自身的模式,但是会返回指定模式的图像原创 2020-12-09 17:43:32 · 2674 阅读 · 6 评论