图像超分辨dataset

一壶浊酒..

已于 2022-10-06 20:24:58 修改

阅读量191

点赞数 1

CC 4.0 BY-SA版权

分类专栏： # 图像超分辨重建文章标签：深度学习 python pytorch

于 2022-10-06 18:04:17 首次发布

本文链接：https://blog.youkuaiyun.com/qq_40107571/article/details/127185909

图像超分辨重建专栏收录该内容

84 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了在深度学习领域中用于图像超分辨率的dataset，详细介绍了如何使用Python和PyTorch进行相关数据预处理及模型训练。通过这些数据集，研究者能够训练出提升图像清晰度的高效模型。

import torch
from PIL import Image
import numpy as np
from torch.utils.data import Dataset
import os
from torchvision import transforms
import random
import matplotlib.pyplot as plt

def show_tensor_img(tensor_img):
    to_pil = transforms.ToPILImage()
    img1 = tensor_img.cpu().clone()
    img1 = to_pil(img1)
    plt.imshow(img1,cmap='gray')

def plot_data_loader_image(data_loader):
    """
    显示dataloader中所有图片
    col:表示一行显示多少图片
    """
    batch_size = data_loader.batch_size
    col = batch_size
    row=int(batch_size*len(data_loader)/col)
    for i,data in enumerate(data_loader,start=0):
        lr, hr = data   ###  data是数据
        img=hr
        for j in range(col):
            plt.subplot(row, col, i*col+j+1)
            plt.xticks([])  # 去掉x轴的刻度