Pytorch 使用opnecv读入图像由HWC转为BCHW格式

最新推荐文章于 2024-08-04 04:09:35 发布
最新推荐文章于 2024-08-04 04:09:35 发布
阅读量5.8k 收藏 2
点赞数
分类专栏： 深度学习 文章标签： Pytorch 格式转换 HWC to BCHW opencv读入图像
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaoxifei/article/details/84142563
版权

传统使用opencv自带的swapaxes进行转换，然后使用pytorch的from_numpy转为tensor

例如：

img = img.swapaxes(1,2).swapaxes(0,1)

但是有一个常用的图像增广模块albumentations模块中的img_to_tensor进行直接转换

注意：我这里使用unsqueeze是为了验证模型的输出，如果使用pytorch的dataset则不需要使用这个操作

xiaoxifei
关注
专栏目录
【YOLOv8改进 - 特征融合】FFCA-YOLO: 提升遥感图像中小目标检测的精度和鲁棒性
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
07-22 743
在遥感中，小物体的检测任务由于特征表示不足和背景混淆等问题而变得艰难。特别是当算法需要部署在板载系统上进行实时处理时，需在有限的计算资源下进行准确性和速度的广泛优化。为了解决这些问题，本文提出了一种高效的检测器，称为特征增强、融合和上下文感知YOLO（FFCA-YOLO）。FFCA-YOLO包含三个创新的轻量级和即插即用的模块：特征增强模块（FEM）、特征融合模块（FFM）和空间上下文感知模块（SCAM）。这三个模块分别增强了网络的局部区域感知、多尺度特征融合和全局关联跨通道与空间的能力，同时尽量避免增加复
yolov8 类代码实现，全网唯一 方便研究修改，转onnx学习笔记
jacke121的专栏
08-05 1055
yolov8转onnx学习笔记
Pytorch 使用opnecv读入图像由HWC转为BCHW格式方式
09-16
主要介绍了Pytorch 使用opnecv读入图像由HWC转为BCHW格式方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pytorch NCHW/NHWC 的理解
最新发布
u013798595的博客
08-04 540
选择合适的张量存储布局对于深度学习任务的效率和性能至关重要。NCHW和NHWC的选择取决于所使用的硬件和库的要求，同时也可以通过PyTorch提供的张量操作来进行灵活的转换和适配。
OpenCV - 将图片转换为深度学习模型输入格式，BGR通道转RGB，图片归一化，HWC转CHW
HW140701的博客
09-23 4475
文章目录1 将图片转换为深度模型输入格式1.1 自行进行转换1.1.1 BGR通道转RGB通道1.1.2 图片归一化1.1.3 HWC转CHW1.2 使用cv::dnn::blobFromImage进行转换1.2.1 函数形式1.2.1 函数参数 1 将图片转换为深度模型输入格式 在C++进行人脸识别、目标检测的过程中，经常是以图片数据作为深度学习模型推理的输入数据的，但是从OpenCV读取的图片数据并不能直接用于深度学习模型的推理过程。 首先，OpenCV读取图片默认使用的是BGR通道排列方式，而深度学
卷积核、特征图可视化
hjkdh的博客
06-19 3646
这里建议使用一个训练好的模型进行可视化，这样可视化出来的结果可以帮助观察出一些潜在的特性的（我这里采用的是AlexNet预训练模型）。这里简单进行一个梳理： 第一层卷积核：torch.Size([64, 3, 11, 11])， 输出通道数：64, 对应卷积核的数量 输入通道数：3, 对应卷积核的通道数 卷积核宽：11, 卷积核高：11 单通道卷积核可视化多通道卷积核可视化见下图： 代码如下： 补充操作 运行代码后会生成一个results文件，接下来 执行如下代码： 点击如
图片存放形式 hwc
qq_36998053的博客
02-27 4339
高度为4 宽度为7 通道为3 先通过切割的算法，将图片的大小一步步缩小为小数字，以便观察 from PIL import Image filename = r'01.png' img = Image.open(filename) size = img.size print(size) #(1920, 1200) # 准备将图片切割成9张小图片 weight = int(size[0] // 3) height = int(size[1] // 3) # 切割后的小图的...
UltralyticsYOLOv8_ultralytics使用
2401_84003733的博客
04-21 1012
pip install ultralytics yolo TASK MODE ARGS yolo train data=coco128.yaml model=yolov8n.pt epochs=10 lr0=0.01 yolo predict model=yolov8n-seg.pt source=‘https://youtu.be/LNwODJXcvt4’ imgsz=320 yolo val model=yolov8n.pt data=coco128.yaml batch=1 imgsz=640 yol
pytorch.tensor格式图像的resize操作
wzg2016的博客
10-24 2万+
在pytorch中，输入网络的图像的shape=[B,C,H,W]. 有时我们需要在网络中对图像张量进行resize操作，这时就要用到transforms.Resize([H,W]) 操作。示例如下： import cv2 import numpy as np import torch from torchvision.transforms import Resize im1 = cv2.imread("./datasets/frame_0001.png").transpose([2,0,1])
pytorch tensor张量维度转换（tensor维度转换）
热门推荐
x_yan033的博客
03-19 7万+
# view() 转换维度 # reshape() 转换维度 # permute() 坐标系变换 # squeeze()/unsqueeze() 降维/升维 # expand() 扩张张量 # narraw() 缩小张量 # resize_() 重设尺寸 # repeat(), unfold() 重复张量 # cat(), stack() 拼接张量 一. tens...
pytorch教程龙曲良16-20
sueong的博客
05-12 333
17维度变换4 .t 转置，但是只适合2d的矩阵，其他会报错 a.shape#[3,4] a.t() a.shape#[4,3] transpose 加粗样式
Pytorch图片转tensor/图片转tensor转图片(numpy array)(transforms.ToTensor())(opencv形式转tensor)
hxxjxw的博客
07-21 1万+
把图片转成成torch的tensor数据，一般采用函数：torchvision.transforms。通过一个例子说明，先用opencv读取一张图片，然后在转换；注意一点是：opencv储存图片的格式和torch的储存方式不一样，opencv储存图片格式是（H,W,C），而torch储存的格式是（C,H,W）。 import torchvision.transforms as transforms import cv2 as cv img = cv.imread('image/00000...
python 图像格式转换_Python中的图像数据与格式转换,pytorch,用到,及,变换
weixin_31190113的博客
02-09 848
1.PIL :python内置的，python image library2.cv2:opencv的python接口(读进来是ndarray格式，numpy的ndarray(cv2)就是各种格式之间的中转)3.tensor：pytorch训练数据类型对于通道上：除了opencv读进来是BGR，其他都是RGB。对于维度上：TF(N H W C)，opencv，plt都是HWC；PIL是W H C; ...
最快视觉Transformer！Facebook提出LeViT：快速推理的视觉Transformer
阿木寺的博客
05-18 846
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文转载自：集智书童LeViT: a Vision Transformer in ConvNet’s Clothing ...
opencv读取图片HWC转CHW
qq_32925101的博客
06-07 5237
在读取图片时，一般可采取或实现，但是二者读取得到的数据格式有些不同。对于给定的图片，当使用加载图片时，可将其直接转换为]的，并且此时格式为。 当采用读取图片时，不同之处有两点：因此，在PIL和CV2读取图片间进行转换时，需要同时注意维度和RGB通道。具体地，将转换为：此外，若设计转，则首先需要对通道进行逆序，通过下面命令实现。 参考资料：http://www.zzvips.com/article/205586.html......
【笔记】图片两种常用的存储方式 以及 如何转换通道 ：B C H W 、 B H W C
nyist_yangguang的博客
07-01 3907
图片常用的结构： eg1: [batch_size , channels，hight， width] eg2： [batch_size , hight, width, channels] 该结构的存储方式： 属于多维数组的存储方式。
数组扁平化
多晴丶
09-16 333
什么是数组扁平化？ 数组扁平化就是将一个多维数组转换为一个一维数组 实现基本方式 1、对数组的每一项进行遍历。 2、判断该项是否是数组。 3、如果该项不是数组则将其直接放进新数组。 4、是数组则回到1，继续迭代。 5、当数组遍历完成，返回这个新数组。 1.常规方式 递归处理 Array.prototype.flatten = function () { var resultArr = []; var len = this.length; for (var i = 0; i < len; i
pytorch第四课，第五课，记录
m0_37192554的博客
07-04 823
check pytorch type a=torch.randn(2,3) a.type()#torch.floattensor isinstance(a,torch.FloatTensor) data=data.cuda() isinstance(data,torch.cuda.DoubleTensor) 0维度 loss 1维度 bias torch.tensor(0.1) ##dime...
pytorch和opencv实现全景图像拼接代码
04-24
我理解了您的问题。以下是实现全景图像拼接的Pytorch和OpenCV代码示例： Pytorch代码示例： ```python import torch import cv2 import numpy as np # 加载图像 img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 转为pytorch tensor img1_tensor = torch.from_numpy(img1).permute(2, 0, 1).float().unsqueeze(0) img2_tensor = torch.from_numpy(img2).permute(2, 0, 1).float().unsqueeze(0) # 把tensor移到GPU上，如果GPU可用 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") img1_tensor = img1_tensor.to(device) img2_tensor = img2_tensor.to(device) # 计算特征点和特征描述符 sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) # 匹配特征点 bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True) matches = bf.match(des1, des2) matches = sorted(matches, key=lambda x: x.distance) # 取前几个较好的匹配点 good_matches = matches[:50] # 计算两幅图像的投影变换矩阵 src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) # 将两幅图像拼接起来 result = cv2.warpPerspective(img1, M, (img1.shape[1] + img2.shape[1], img2.shape[0])) result[0:img2.shape[0], 0:img2.shape[1]] = img2 # 显示结果 cv2.imshow("Result", result) cv2.waitKey(0) cv2.destroyAllWindows() ``` OpenCV代码示例： ```python import cv2 import numpy as np # 加载图像 img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 计算特征点和特征描述符 sift = cv2.xfeatures2d.SIFT_create() kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) # 匹配特征点 bf = cv2.BFMatcher(cv2.NORM_L2, crossCheck=True) matches = bf.match(des1, des2) matches = sorted(matches, key=lambda x: x.distance) # 取前几个较好的匹配点 good_matches = matches[:50] # 计算两幅图像的投影变换矩阵 src_pts = np.float32([kp1[m.queryIdx].pt for m in good_matches]).reshape(-1, 1, 2) dst_pts = np.float32([kp2[m.trainIdx].pt for m in good_matches]).reshape(-1, 1, 2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0) # 将两幅图像拼接起来 result = cv2.warpPerspective(img1, M, (img1.shape[1] + img2.shape[1], img2.shape[0])) result[0:img2.shape[0], 0:img2.shape[1]] = img2 # 显示结果 cv2.imshow("Result", result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 希望这些代码可以帮到您实现全景图像拼接！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值