如何显示经过Normalize的图像数据

贱贱的剑

已于 2022-03-17 01:08:07 修改

阅读量2.8k

点赞数 3

分类专栏：人工智能 # 可视化文章标签： python 人工智能深度学习

于 2021-04-24 16:54:49 首次发布

本文链接：https://blog.csdn.net/wzj_sxpi/article/details/116093819

版权

人工智能同时被 2 个专栏收录

13 篇文章 0 订阅

订阅专栏

可视化

6 篇文章 0 订阅

订阅专栏

本文详细介绍了深度学习中图片归一化和反归一化的过程，特别是针对ImageNet数据集的处理。提供了一个通用的反归一化函数，用于将归一化后的图像还原为正常显示状态。通过实例展示了如何使用该函数，并成功还原图像，对于理解和调试深度学习模型的图像输入环节非常有帮助。

摘要由CSDN通过智能技术生成

我们将过行归一化的图片数据显示出来后会发现不是正常的图片。因此需要进行反归一化操作。

当我们需要将Normalize之后的图片显示出来的时间，如果数字相同还好，否则很是麻烦。经过研究了一番之后写出了一个比较通用的方法。如下

比如ImageNet的数据Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])]。进行下如操作

import matplotlib.pyplot as plt

def inverse_normalize(batch_image,batch_label = None,isShow = False,isSave = True, 
                        saveFile="savefig.png",mean=(0.485, 0.456, 0.406),std=(0.229, 0.224, 0.225)):

    fig = plt.figure(figsize=(batch_image.size(0) * 2.5, 5))
    for i in range(batch_image.size(0)):
        img = batch_image[i].numpy().transpose(1, 2, 0)
        
        if (mean is not None) and (std is not None):
            img = (img * std + mean) * 255
        else:  #如果只是经过了ToTensor()
            img = img * 255

        if isShow or isSave:
            ax = fig.add_subplot(1, batch_image.size(0), i+1, xticks=[], yticks=[])
            plt.imshow(img.astype('uint8'))
            if batch_label is not None:
                ax.set_title(batch_label[i].item())

    if isShow and isSave:
        plt.savefig(saveFile)
        plt.show()
    elif isSave:
        plt.savefig(saveFile)
    elif isShow:
        plt.show()

然后调用

train_loader = torch.utils.data.DataLoader(dataset,batch_size=8,shuffle=True,num_workers=0)
loader = iter(train_loader)
image,label = loader.next()
inverse_normalize(image,label，isShow=True)