话不多说，先上代码
# -*- 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格式进行绘图，展示 tensor1 = torch.randint(0,255,(300,300)) transform1 = transforms.ToPILImage(mode="L") image1 = transform1(np.uint8(tensor1.numpy())) # Image接受的图像格式必须为uint8，否则就会报错 print(tensor1.size()) print(image1) # image.show() image1.save("gray.jpg") # 1.2 Image2tensor tensor格式方便使用torch进行数据增强，也是模型训练的格式 # 先剪切，再转为tensor。底层也是PIL实现的 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格式主要用于容易转换数据格式，也有利于转为opencv格式。 array1 = tensor1.numpy() print(array1.shape) print(array1.dtype) # 2.2 numpy2tensor 1.2有介绍，不再赘述 tensor3 = torch.Tensor(array1) tensor4 = transforms.ToTensor()(array1) print(tensor3.size()) print(tensor4.size()) # 会增加一个维度 # 3.1 numpy2opencv openc格式方便画目标框，图片上面写字(Image格式也可以实现，不是很熟悉，，，) # opencv 读取出来就是numpy的数据格式 cv2.imshow("img",np.uint8(array1)) # cv2.waitKey() # cv2.destroyAllWindows() # 3.2 opencv2numpy array2 = cv2.imread("./gray.jpg") # 这里使用opencv读取的是三通道，plt读取的是单通道。。暂时还没搞懂 print(array2.shape) print(array2.dtype) # 4.1 opecv2Image image3 = Image.fromarray(array2,mode="RGB") # image3.show() # 4.2 Image2opencv # 这里有两种方式，一种稍复杂点，但是可以保存数据形状 array3 = transforms.ToTensor()(image3).numpy() # Image自带的属性，但是会打乱数据为一维 list1 = list(image3.getdata()) print(array3.shape) print(list1)回校写论文十天，基本没更新博客。。。。 上面的四种格式转换时在做一个“图像分类”的项目经常用到的，比如保存图片，图片上面加中文等等。因为这些代码不是很常用，不熟练，所以每次都要在网上找下。这个博文也方便我来查找，大家有需要的也可以进行保存。
后续更新解决opecv，matplotlib显示中文问题，以及分类模型中加入评价指标confusion matrix 欢迎大家留言批评指正
