如果你對數據處理不熟悉，可以看我的上篇博客，里面介紹了常用的數據處理方法

上篇博客地址：機器學習數據處理

目錄

1、pytorch加載數據集

1、加載pytorch自帶的數據集

2、圖像讀取和保存

? ? ? ? ?1、PIL讀取和保存圖片：

2、cv2讀取和保存圖片：?

3、matplotlib讀取和保存圖片：

4、torchvision.transforms圖片處理

0、class torchvision.transforms.Compose (transforms)

1、class torchvision.transforms.CenterCrop(size)

2、class torchvision.transforms.FiveCrop(size)

3、class torchvision.transforms.Ｇrayscale(num_output_channels=1)

4、class torchvision.transforms.Pad(padding, fill=0, padding_mode=‘constant’)

5、class torchvision.transforms.RandomAffine(degrees, translate=None, scale=None)

6、class?torchvision.transforms.Resize(size,interpolation=2)

7.?class torchvision.transforms.ToPILImage(mode=None)

下面兩個在pytorch上操作

8、class?torchvision.transforms.ToTensor

9.class torchvision.transforms.Normalize(mean,std)

---

1、pytorch加載數據集

? ? ? ?torch.utils.data.Dataset

1、加載pytorch自帶的數據集

使用torchvision.datasets.‘數據集’ 可以加載下面幾個個數據集

• MNIST：一個手寫數字數據集集，提供了60000+訓練用例和10000個測試用例
• COCO：通常認為COCO是更傾向于圖像分割的數據集
• Captions：望文生義，主要是標題測試用例，通常算在COCO中
• Detection：感知數據集，通常也包含在COCO中
• LSUN：場景感知數據集（感覺很酷
• CIFAR10或CIFAR100：一個常用的微型圖像數據子集
• STL10：一個用于開發無監督特征學習、深度學習、自學學習算法的圖像識別數據集。
• SVHN：一個真實世界的圖像數據集，用于開發機器學習和對象識別算法，對數據預處理和格式要求很低。
• PhotoTour：旅游照片數據集

2、圖像讀取和保存

? ? ? ? ? ? 處理圖像的方式有三種方式，分別使用PIL, matplotlib， CV2庫

1、PIL讀取和保存圖片：

讀取通道順序：RGB?

數據類型：PIL，

轉成numpy后的像素類型和大小：uint8, 0~255

from PIL import Image import numpy as np img_path = './data/1.jpg' #圖片路徑#PIL讀取圖片 PIL_img = Image.open(img_path) #讀取圖片，圖片是PIL數據類型#PIL保存圖片 PIL_img.save('./data/2.jpg') ##將PIL類型轉成numpy類型, numpy數組格式（H，W，C=3） np_img = np.asanyarray(PIL_img) #將PIL類型轉成numpy類型，數據類型是uint8, (H, W, C)#用PIL顯示 PIL_img.show()#用matplotlib.pyplot顯示 plt.imshow(np_img) #讀取通道是RGB， 不用轉換

2、cv2讀取和保存圖片：?

讀取通道順序：BRG，

數據類型：ndarray

像素類型：uint8,? 0~255

import cv2 import numpy as np#cv2讀取圖片,讀取后的類型是numpy類型的數組, 讀取的通道順序是BRG cv2_img = cv2.imread('./data/1.jpg') #numpy數組，元素類型是uinit8 0~255#保存圖片，第二個是numpy數組或mat數組，類型是jpg或png cv2.imwrite('D:/data/1.jpg', cv2_img) ##CV2顯示圖片，只能用來顯示通道順序為BRG的numpy數組，不然產生色差 cv2.imshow('labels',cv2_img) cv2.waitKey(0)#matplotlib.pyplot顯示 plt.imshow(cv2_img[:,:,::-1]) #讀取通道是BGR，所以[:,:,::-1]將其轉換成RGB格式

3、matplotlib讀取和保存圖片：

讀取通道順序：RGB

數據類型：ndarray

數據類型：uint8, 0~255?

注：這個uint8類型好像有爭議，有的人說是0~1之間，我猜測是可能是因為版本太舊才會顯示float。我電腦上上顯示的是uint8

import matplotlib.pyplot as plt#讀取圖片,讀取通道的順序是RGB plt_img = plt.imread('./data/1.jpg') #uint8#保存圖片 plt.imsave('D:/data/3.png', plt_img) #類型可以是jpg或png#顯示圖片 plt.imshow(plt_img)

4、torchvision.transforms圖片處理

這個模塊只能處理PIL類型的數據，所以圖片要么用PIL.Image讀取，要么將ndarray圖片數據轉成PIL類型，

PIL和numpy相互轉換方式如下：

from PIL import Image#PIL image轉成numpy np_img = np.asarray(PIL_img) #參數時PIL類型的圖片 或 np_img = np.array(PIL_img)#將array準成PIL image Image.fromarray(np.uint8(np_img))

下面處理的都是PIL圖片

0、class torchvision.transforms.Compose (transforms)

? ? ? ?功能：將多個transforms進行組合

transforms.Compose([transforms.CenterCrop(10),transforms.ToTensor(), ])

1、class torchvision.transforms.CenterCrop(size)

? ? ?功能：圖片剪切，返回圖片中心區域位置

? ? ?參數：size(整數或tuple)， 如果是整數，將自動剪切成正方形區域(size, size)

? ? ?返回值：PIL圖片

#取圖片的中心區域，大小是（28， 28） from torchvision import transforms from PIL import Image PIL_img = Image.open('./data/1.jpg') cc_img = transforms.CenterCrop((128, 128))(PIL_img)

2、class torchvision.transforms.FiveCrop(size)

? ? ? 功能：將給定的PIL圖像剪裁成四個角落區域和中心區域，這個變換返回的是一個圖像元組(tuple of images),? 也就是5張PIL圖片。

? ? ?參數：size(整數或tuple)， 如果是整數，將自動裁剪成正方形區域（size, size）

? ? ?返回值：返回一個PIL元祖，里面包含五張PIL圖片

#生成5張，大小是（128,128）的PIL圖片 from torchvision import transforms from PIL import Image PIL_img = Image.open('./data/1.jpg')fc_img = transforms.FiveCrop((128, 128))(PIL_img)

3、class torchvision.transforms.Ｇrayscale(num_output_channels=1)

? ? ?功能：將圖片轉成灰度圖片， r=g=b

? ? ?參數:? num_output_channels, 只能取1或3，代表輸出通道的數量

? ? ?返回值：PIL圖片

#生成灰度圖片， R=G=B from torchvision import transforms from PIL import Image PIL_img = Image.open('./data/1.jpg')gc_img = transforms.Grayscale(1)(PIL_img)

4、class torchvision.transforms.Pad(padding, fill=0, padding_mode=‘constant’)

功能：對PIL圖像的邊緣進行填充，填充的像素數值為fill值

參數1：填充長度padding(整數或者tuple)——總共四個邊界。如果padding是整數，那么會拉伸所有邊界padding個長度。如果是tuple且長度為2，那么倆個數值分別被用于拉伸left/right（寬度） 和 top/bottom（高度）。如果tuple長度是4，那么分別被用來拉伸left, top ,right 和 bottom邊界。例如，尺寸為寬度120， 高度130的圖片，即120 x 160的圖片。如果padding是10， 那么圖片將變成尺寸為130 x?170。多出的像素點全部用fill值填充。fill默認是0

參數2：fill(整數或tuple)， 填充的像素值。如果是整數， 那個填充區域的R,G,B的值為fill。如果是tuple，那么R,G,B = tuple.

? ? ? ? ? ? tuple必須包含3個元素，對應R,G,B的值。

參數3：padding_mode (string) ——　填充的類型，必須為：constant, edge, reflect or symmetric，默認為 constant.

? ? ? ? ? ??constant:?以常量值進行填充，常量值由 fill 確定。

? ? ? ? ? ? ?edge:?用圖片邊界最后一個值進行填充

返回值：PIL圖片

#將圖片的寬度拉長10*2個像素, 高度拉長15*2個像素，用20, 110, 102分別填充R,G, B通道的值 from torchvision import transforms from PIL import Image PIL_img = Image.open('./data/1.jpg')pd_img = transforms.Pad((10, 15), (20, 110, 102))(PIL_img)

5、class torchvision.transforms.RandomAffine(degrees, translate=None, scale=None)

? ? ?功能：保持中心位置不變，對圖片進行仿射變換

? ? ?參數1：degree (旋轉，tuple或者float或者int) ——　旋轉的角度范圍。如果角度是數值而不是類似于(min,max)的序列，

? ? ? ? ? ? ? ? 那 么將會轉換成(-degree, +degree)序列。設為0則取消旋轉。

? ? ?參數2：transalate (平移，tuple，可選)　——　數組，其中元素為代表水平和垂直變換的最大絕對分數。

? ? ? 參數3：scale (縮放，tuple, 可選)　——　縮放因子區間。若scale=(a,b), 則縮放的值在a<=scale<=b?隨機采樣。默認情況下? ? ? ? ? ? ? ? ? ? ? 沒有縮放。

? ? ? 參數4：shear (錯切，tuple或者 float 或者 int, 可選)　——　錯切的程度。如果錯切的程度是一個值，那么將會轉換為? ? ? ? ? ? ? ? ? ? ? ?序列即(—degree, +degree)。默認情況下不使用錯切。

? ? ? ? 返回值：PIL圖片

#圖片順時針旋轉90度，隨機進行平移， -0.5<水平平移動距離dx<0.5, -0.3<垂直移動距離dy<0.3, 負代表 #向左移，和向下移 from torchvision import transforms from PIL import Image PIL_img = Image.open('./data/1.jpg')ra_img = transforms.RandomAffine((90, 90), (0.5, 0.3))(PIL_img)

6、class?torchvision.transforms.Resize(size,interpolation=2)

? ? ? ? 功能：將PIL圖片轉換成指定尺寸大小

? ? ? ? 參數：size(tuple?或者 int)　——　需要輸出的圖片的大小。如果size是類似于(h,w)的序列，輸出的尺寸將會跟(h,w)一致。如果size是整型，圖片較小的邊界將會被置為這個尺寸。例如，如果height->width, 圖片將會被置為 (size*height/width, size)

? ? ? ? 返回值：PIL圖片

#圖片尺寸被調整為120x203 from torchvision import transforms from PIL import Image PIL_img = Image.open('./data/1.jpg')rs_img = transforms.Resize((120, 203))(PIL_img)

7.?class torchvision.transforms.ToPILImage(mode=None)

功能：將shape為(C,H,W)的Tensor或shape為(H,W,C)的numpy.ndarray轉換成PIL.Image，值不變。

返回值：PIL圖片

from torchvision import transforms#將numpy數組轉成PIL圖片PIL_img = transforms.ToPILImage()(np_img)#將tensor張量轉成PIL圖片 PIL_img = transforms.ToPILImage()(tensor_img)

下面兩個在pytorch上操作

注意：只能作用在tensor上，不能是numpy和PIL類型數據

8、class?torchvision.transforms.ToTensor

功能：把一個取值范圍是[0,255]的PIL或者shape為(H,W,C)的numpy.ndarray，轉換成形狀為[C,H,W]，取值范圍是[0,1.0]的torch.FloadTensor

返回值：tensor張量

#將PIL圖片轉成tensor tensor = transforms.ToTensor()(PIL_img)

9.class torchvision.transforms.Normalize(mean,std)

用均值和標準差對張量圖像進行標準化處理。給定n通道的均值(M1, … , Mn) 和標準差(S1, … ,Sn), 這個變化將會歸一化根據均值和標準差歸一化每個通道值。例如，input[channel] = (input[channel]-mean[channel])/std(channel)

功能：對tensor張量的圖片數據進行標準化處理

參數：均值，標準差

返回值：tensor張量

from PIL import Image import numpy as np import torch from torchvision import transforms#先將圖片讀取成PIL類型，再轉成tensor, 再進行標準化PIL_img = Image.open('/data/1.jpg') tensor_img = transforms.ToTensor()(PIL_img) tm_img = transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))(tensor_img)

總結

以上是生活随笔為你收集整理的(二)深度学习数据处理-----图片数据处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。