机器学习-图像数据的导入

图片数据集：📎dataset.zip

关于图像数据的导入一共是包含有两种图像类型PIL Image or ndarray

目标：按照PIL Image 或者 ndarray的格式读取图像，然后转换成为tensor的格式

PIL图像读取

PIL库是python内部自带的，PIL库中的Image.open函数可以按照路径读取图像信息

from PIL import Image
# 按照路径获取图像信息
PIL_img=Image.open('dataset/train/ants/0013035.jpg')
# 显示图像
PIL.show()

PIL图像转化成为tensor数据

PIL转化成为tensor数据使用的是torchvision库中的transforms.ToTensor函数，传入PIL格式的图像，输出的就是tensor数据。

from torchvision import transforms
tensor_trans=transforms.ToTensor()
tensor_img=tensor_trans(PIL_img)

图像tensor数据格式分析

一张图片的数据格式一般是三维格式

第一维度代表的是通道的数量，之前的手写数字识别的时候还不理解第一个维度1，代表什么含义，如果图像是彩色的，便是3通道，灰度图便是单通道的数据格式。

第二个维度和第三个维度分别就是行数与列数。

PIL图像数据和tensor数据形状数据查看对比

PIL数据中存在size属性，

，其中第一个代表的不是行数，而是（列，行）的格式，也就是列数是768，行数是512.

而在tensor中的shape属性

可以看到先是行数512，后是列数768。

ndarray方式读取图像数据

读取ndarray类型的数据需要使用cv2的方式进行读取，同样是传入路径数据。

import cv2
cv_img=cv2.imread('dataset/train/ants/0013035.jpg')

ndarray数据格式分析

ndarray数据格式是（行数、列数、通道数），类似于真实的图像信息存储方式，单元相当于是3元组，然后是长宽对应的元组长宽。

三种格式对比

相互之间对比，发现tensor、ndarray和PIL格式各不相同。PIL格式只能根据其中的size属性查看（列、行），具体数据不易查看，tensor是先通道，ndarray是将同一位置三个通道构成一个元组。

参考链接：

P9. Transforms的使用（二）_哔哩哔哩_bilibili