Pytorch读取，加载图像数据

Posted 2021-02-07 zhouzhiyao

在学习Pytorch的时候，先学会如何正确创建或者加载数据，至关重要。

有了数据，很多函数，操作的效果就变得很直观。

本文主要用其他库读取图像文件（学会这个，你就可以在之后的学习中，将一些效果直观化）

更好的文章组织结构：

• Github

• 关注公众号：tuduisuinian（土堆碎念），菜单底部可以获取pytorch教程PDF文档

零：准备

加载数据前，需要掌握正确的读取路径方法。很多教程中的例子，在讲解的时候，没有提供图片，或者读者不知道修改教程中的读取路径，打击了热情。

建议：为了保证大家可以跟着教程一步一步练习，教程中会出现示例图片，建议大家右键-另存为图片，将图片保存到 你运行程序的文件夹 中。如下图：

壹：数据集的准备

任务：我们用不同的方式读取这两张图片（记得右键-另存为图片，保存到程序所在位置，记得文件重命名为你喜欢的方式，我的重命名为002.jpg和003.jpg

将文件另存为后，同时新建一个python文件，我的效果如下：

接下来，我们就可以在load_images.py中，进行相关操作了。

贰：用其他库读取图像文件

• 使用matplotlib库进行图像的读取

matplotlib中的函数跟Matlab很像。

我们需要使用matplotlib.pyplot中的函数：

imread（文件地址）：进行读取图像的操作（参数为读取图像文件的路径）

imshow（数组）：进行图像的显示操作（显示图像的数组）

show（）：显示一个窗口，用于显示图像（很多时候，不显示图像的话，是忘记使用这个函数）

我们尝试探讨，图像被读取后的数据类型，大小形状

import matplotlib.pyplot as plt

img = plt.imread(‘002.jpg‘)
#图片的高H为460，宽W为346，颜色通道C为3
print(img.shape)
print(img.dtype)
print(type(img))
plt.imshow(img)
plt.show()

输出为：

(460, 346, 3)
uint8
<class ‘numpy.ndarray‘>

结论：imread读取的图片为numpy.ndarry的数组，数组的大小排列为：高×宽×通道数，数组的数据类型是uint8，即每个数据的大小为[0,255]

如果不想手动进行多图像的读取，需要使用到Python的文件，路径操作等。暂不介绍

手动添加的话，就是用[array1,array2]这种形式，将数组进行连接

import matplotlib.pyplot as plt

img1 = plt.imread(‘002.jpg‘)
img2 = plt.imread(‘003.jpg‘)
img = [img1, img2]
for i in img:
    plt.imshow(i)
    plt.show()

---

• 使用cv2进行图像的读取

在cv2库中，需要用到的函数有：

imread（文件地址）：读取地址处的文件图像

imshow(‘窗口名称‘, 图像数组)：将图像数组显示出来，但必须结合waitKey()使用，否则无法显示图像

waitKey(延迟时间)：需要设置延迟时间，当延迟时间≤0时，窗口将会一直延迟，延迟无穷长时间，按下任一按键，可以继续执行下面程序。当延迟时间＞0，即窗口图像会显示对应毫秒后，自动消失。

import cv2
img1 = cv2.imread(‘002.jpg‘)
print(img1.shape)
print(img1.dtype)
print(type(img1))
cv2.imshow(‘img‘, img1)
cv2.waitKey(0)

输出为：

(460, 346, 3)
uint8
<class ‘numpy.ndarray‘>

结论：imread读取的图片为numpy.ndarry的数组，数组的大小排列为：高×宽×通道数，数组的数据类型是uint8`，即每个数据的大小为[0,255]

Matplotlib与cv2对图像的数据格式的处理是相似的，但是也是有区别的：

对于通道的读取，cv2是按BGR的顺序读入，而matplotlib按RGB的顺序读入

---

• 使用PIL库进行图像处理

PIL全称为Python Image Library。是给Python提供图像处理相关的库。

需要使用到的函数：

open（文件地址）：打开文件，注意是打开，并没有读取。主要作用是保持检查文件地址，同时保证文件是打开的状态。当对图像处理的时候，会自动加载。

show()：使用系统自带的图像查看器，查看图像

from PIL import Image
img1 = Image.open(‘002.jpg‘)
# 因为PIL有自己的数据结构，所以没有shape,dtype属性
# print(img1.shape)
# print(img1.dtype)
print(type(img1))
img1.show()

输出为：

<class ‘PIL.JpegImagePlugin.JpegImageFile‘>

我们可以使用numpy.array()函数，将PIL结构的数据转换成numpy数组。

import matplotlib.pyplot as plt
from PIL import Image
import numpy as np

img1 = Image.open(‘002.jpg‘)
img1 = np.array(img1)
print(img1.shape)
print(img1.dtype)
plt.imshow(img1)
plt.show()

输出：

(460, 346, 3)
uint8

可以看到，PIL转换成numpy后，数据类型是uint8的。

---

叁：总结

主要介绍了使用matplotlib,cv2,PIL库进行图像文件的读取

• matplotlib中的imread,imshow,show函数
• cv2中的imread,imshow,waitKey函数
• PIL中的open,show函数