博客

图像读取

• 
  使用skimage
  
  img = io.imread(img_path)
  • np.ndarray, (0, 255), RGB
• 
  使用opencv
  
  img = cv2.imread(img_path)
  • np.ndarray, (0, 255), BGR
• 
  使用PIL
  
  img = Image.open(img_path)
  • PIL.Image.Image对象 (H * W * C), (0, 255), RGB

图像缩放

• 一般说的102*128指：高102,宽128
• 
  使用skimage(from skimage import transform)
  
  img = transform.resize(img, (height, width))
• 
  使用opencv
  
  img = cv2.resize(img, (width, height))
• 
  使用PIL
  
  img =img.resize((width, height), Image.ANTIALIAS)
• 
  使用torch (from torchvision import transforms)
  
  • resize = transforms.Resize([height, width]) img = resize(img)

图像格式转换

• 可以把张量或ndarray转为PIL图像
• 可以将PIL图像或ndarray图像转为张量

小操作

• 图像转为ndarray之后可以使用切片进行裁减或者替换对应位置的像素点
  • img = np.array(img, dtype=np.uint8)
    
    img = img[26:-2, 11:-9]
• 对图像进行增加一个通道的处理，类似于tensor, numpy 的操作，此处引入了新的张量转换包einops
  • mask_img = np.expand_dims(mask_img, axis=2)
  • img = einops.rearrange(img,“w h -> w h 1”)
  • input_tensor = torch.unsqueeze(img_tensor, dim=0) # 增加一个batch维度
• 图像去除维度1
  • img = np.squeeze(img)
• 图像维度变换，使用einops包
  • img = einops.rearrange(img,“h w c -> w h c”)
• 给图像上下左右填充像素点，以其外侧边缘的像素类型进行填充
  • top_size, bottom_size, left_size, right_size = (24, 0, 12, 12)
    
    img = cv2.copyMakeBorder(img, top_size, bottom_size, left_size, right_size, cv2.BORDER_REPLICATE)
• 设定阈值，把图像grayscale_cam变为二值化图像frame_cam
  • frame_cam = np.where(grayscale_cam > 0.5, 1.0, 0.0)