torchvision将cv.imread读进来的图片转换成Tensor:transforms.ToTensor()

这篇博客讨论了在PyTorch中使用ToTensor()函数对图像数据进行预处理的过程,包括如何从(H,W)或(H,W,C)维度转换为(C,H,W),将数据格式从numpy数组转为tensor,并调整数据范围到[0,1.0]。无论原始图像为二维或三维,转换后都会得到三维的tensor输出。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、转变形状,将H,W,C转变成C,H,W,这一点可以用在pytorch的模型训练过程中。
2、转变数据格式,该API返回的数据是tensor格式的。
3、改变数据的范围,可以将数据的范围变成[0,1.0]。
4、会改变数据的维度

# 将图以灰度图的形式读取进来
img=cv.imread(r"D:\test\data\imgs\00.png",cv.IMREAD_GRAYSCALE)
img.shape

输出的结果是:(512, 512)
通过ToTensor()操作之后

image=totensor(img)
image.shape

输出的结果是:torch.Size([1, 512, 512])
从以上结果能够看出输入和输出前后维度发生了变化,从一个二维的数组变成了三维的数组。

但是以上主要是针对二维的数组来进行操作,下面针对三维的数组来做同样的操作。

img=cv.imread(r"D:\test\data\imgs\00.png")
img.shape

输出的结果:(512, 512, 3)
通过ToTensor()操作之后

image=totensor(img)
image.shape

输出的结果是:torch.Size([3, 512, 512])

所以最后得出来的结论就是无论你的图是二维的还是三维的最后的出来的结果都是三维的数组。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值