pytorch讀取影象資料轉成opencv格式方法：先轉成numpy通用的格式，再將其轉換成opencv格式。

pytorch讀取的資料使用loaddata這類函式實現。pytorch網路輸入影象的格式為（C,H,W)，就是（通道數，高，寬）而numpy中影象的格式為（H,W,C）。

那就將其通道調換一下。用到函式transpose。

轉換方法如下

例如A 的格式為（c,h,w） 那麼經過

A = A.transpose(1,2,0)

後就變成了（h,w,c）了

然後用語句

B= cv2.cvtColor(A,cv2.COLOR_RGB2BGR)

結果就變成opencv可用的影象了。 如果不做transpose轉換，那麼得到的影象是一個1*h大小的圖.......

完整程式碼：

變換部分：

一般的pytorch會進行裁剪 放縮 歸一化等操作。例如

transforms = Compose([
      ToTensor(),//將資料除以255載入進來
      Resize(768),//裁剪768*768大小的影象
      ConvertMaskID(Cityscapes.classes),//與這個事無關不用去管它
      Normalize(mean=[0.485,0.456,0.406],std=[0.229,0.224,0.225])// 歸一化 利用均值方差歸一化
    ])

那麼被處理的資料就要反歸一化回來唄

程式碼如下：三通道的資料

      image_idx = x[idx].cuda().data.cpu().float().numpy() #經過上面處理的資料 在gpu上給取出來放在cpu上。是個numpy型別
      image_idx[0] = image_idx[0] * std[0] + mean[0]#三個通道分別進行反歸一化...按公式來的
      image_idx[1] = image_idx[1] * std[1] + mean[1]
      image_idx[2] = image_idx[2] * std[2] + mean[2]
      
      image_idx[0][image_idx[0] > 1] = 1#對最大值最小值做次保護
      image_idx[0][image_idx[0] < 0] = 0
      
      image_idx[1][image_idx[1] > 1] = 1
      image_idx[1][image_idx[1] < 0] = 0
      
      image_idx[2][image_idx[2] > 1] = 1
      image_idx[2][image_idx[2] < 0] = 0
      
      image_idx = image_idx.transpose(1,0)

      img1 = cv2.cvtColor(image_idx * 255,cv2.COLOR_RGB2BGR)#轉成opencv認識的玩意
      tpath1="dddd/"+"yy0" + str(100 * i + idx) + '.jpg'
      cv2.imwrite(tpath1,img1) 

補充知識：pytorch的tensor，Image，numpy和opencv四種格式的相互轉換

話不多說，先上程式碼

# -*- coding: utf-8 -*-
# @Time  : 2019/4/28 13:52
# @Author : ljf
import torch
from torchvision import transforms
from PIL import Image
import numpy as np
import cv2

# 1.1 tensor2Image Image格式進行繪圖，展示
tensor1 = torch.randint(0,255,(300,300))
transform1 = transforms.ToPILImage(mode="L")
image1 = transform1(np.uint8(tensor1.numpy())) # Image接受的影象格式必須為uint8，否則就會報錯
print(tensor1.size())
print(image1)
# image.show()
image1.save("gray.jpg")

# 1.2 Image2tensor tensor格式方便使用torch進行資料增強，也是模型訓練的格式
# 先剪下，再轉為tensor。底層也是PIL實現的
transform2 = transforms.Compose([transforms.RandomCrop([200,200],padding=10),transforms.ToTensor()])
image2 = Image.open("gray.jpg")
tensor2 = transform2(image2)
print(tensor2.size())

# 2.1 tensor2numpy 再1.1中也用到了，numpy格式主要用於容易轉換資料格式，也有利於轉為opencv格式。
array1 = tensor1.numpy()
print(array1.shape)
print(array1.dtype)

# 2.2 numpy2tensor 1.2有介紹，不再贅述
tensor3 = torch.Tensor(array1)
tensor4 = transforms.ToTensor()(array1)
print(tensor3.size())
print(tensor4.size()) # 會增加一個維度

# 3.1 numpy2opencv openc格式方便畫目標框，圖片上面寫字(Image格式也可以實現，不是很熟悉，，，)
# opencv 讀取出來就是numpy的資料格式
cv2.imshow("img",np.uint8(array1))
# cv2.waitKey()
# cv2.destroyAllWindows()

# 3.2 opencv2numpy
array2 = cv2.imread("./gray.jpg") # 這裡使用opencv讀取的是三通道，plt讀取的是單通道。。暫時還沒搞懂
print(array2.shape)
print(array2.dtype)

# 4.1 opecv2Image
image3 = Image.fromarray(array2,mode="RGB")
# image3.show()

# 4.2 Image2opencv
# 這裡有兩種方式，一種稍複雜點，但是可以儲存資料形狀
array3 = transforms.ToTensor()(image3).numpy()

# Image自帶的屬性，但是會打亂資料為一維
list1 = list(image3.getdata())
print(array3.shape)
print(list1)

上面的四種格式轉換時在做一個“影象分類”的專案經常用到的，比如儲存圖片，圖片上面加中文等等。因為這些程式碼不是很常用，不熟練，所以每次都要在網上找下。這個博文也方便我來查詢，大家有需要的也可以進行儲存。

後續更新解決opecv，matplotlib顯示中文問題，以及分類模型中加入評價指標confusion matrix

歡迎大家留言批評指正

以上這篇pytorch讀取影象資料轉成opencv格式例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。