输出数据增强前后对比图

原图为tif，输出为png图像为例

需要的库

import imageio.v2 as iio
import torch
import numpy as np
from PIL import Image

读入数据

// 256*256*3
path_img = 'img file path/00.tif'
// 256*256
path_mask = 'mask file path/00.tif'

img = iio.imread(path_img)
mask = iio.imread(path_mask)

也可使用Image.open等

数据增强

调用数据增强函数得到img_after和mask_after。
由于生成png图像需要3通道值为0-255的数组，所以我删除了数据增强中的totensor函数。
为了使增强的变化更显著，我删除了数据增强中的归一化部分。

输出原图

img = Image.fromarray(img)
// 256*256*1
mask = np.expand_dims(mask, 2)
// float->int and 0-1-> 0-255
mask = (mask * 255).astype(np.uint8)
// 256*256*3
mask = mask.repeat(3, axis=2)
imgm = Image.fromarray(mask)

img.save("path to save the file/img_befor.png")
imgm.save("path to save the file/mask_befor.png")

由于输入的标签（mask）为包含0和1的二通道的数组，我首先将其升维为256x256x1,随后将其值由0-1变为0-255，并将其转化为int，最后将mask变为256x256x3。

输出增强后的图

img_after = Image.fromarray(img_after)
// 256*256*1
mask_after = np.expand_dims(mask_after, 2)
// float->int and 0-1-> 0-255
mask_after = (mask_after * 255).astype(np.uint8)
// 256*256*3
mask_after = mask_after.repeat(3, axis=2)
imgm_after = Image.fromarray(mask_after)

img_after.save("path to save the file/img_after.png")
imgm_after.save("path to save the file/mask_after.png")

其他形式的数据保存为png图像，搜索关键词：tensor保存为图像，numpy数组保存为图像等等。