PIL，cv2读取类型及转换，以及PIL，numpy，tensor格式以及cuda，cpu的格式转换

PIL，cv2读取类型，以及PIL，numpy，tensor格式以及cuda，cpu的格式转换

• 
  

  一、PIL，cv2读取数据图片以及之间的转换

• 
  

  二、PIL，数组类型以及tensor类型的转换

• • 1、PIL转换为tensor类型（包含CPU和GPU）
  • 2、数组转换为tensor类型（包含CPU和GPU）
  • 3、tensor类型转换为数组类型
  • 4、tensor、数组类型转换为PIL类型
• 
  

  三、CPU tensor类型与GPU tensor类型的转换

• 
  

  四、对二和三进行一个总结

一、PIL，cv2读取数据图片以及之间的转换

这里先列个表格方便理解清楚：

	cv2	PIL
读取	a=cv2.imread()	a=Image.open()
读取类型	数组类型	PIL类型
读取颜色通道	BGR	RGB（这里需要注意的是当图像格式为RGBA时，PIL读取的是RGBA）
读取尺寸排列	（H,W,C）	（W,H,C）
显示图片	cv2.imshow(“a”, a) cv2.waitKey (0)	a.show()
相互之间转换显示	Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))	a=numpy.array(a)#先转换为数组 a=cv2.cvtColor(a,cv2.COLOR_RGB2BGR) #转变颜色通道
转换为数组类型	cv2读取的就是数组类型	a = numpy.array(a)

直接来看代码：

#cv2显示图像
img_path="E:\expression_recognition\1.jpg"
img_cv2 = cv2.imread(img_path)  # cv2读取的是数组类型  BGR  H W C
cv2.imshow("img_cv2", img_cv2)
cv2.waitKey (0)

#PIL显示图像
img_path="E:\expression_recognition\1.jpg"
img_PIL = Image.open(img_path)  # PIL读取的是PIL类型  RGB  W H C
img_PIL.show()

#cv2转变为PIL进行图像显示
img_path="E:\expression_recognition\1.jpg"
img_cv2 = cv2.imread(img_path)  # cv2读取的是数组类型  BGR  H W C
img_cv2_PIL = Image.fromarray(cv2.cvtColor(img_cv2,cv2.COLOR_BGR2RGB))
img_cv2_PIL.show()

#PIL转变为cv2进行图像展示
img_path="E:\expression_recognition\1.jpg"
img_PIL = Image.open(img_path)  # PIL读取的是PIL类型  RGB  W H C
img_PIL = numpy.array(img_PIL)#先转换为数组   H W C
img_PIL_cv2 = cv2.cvtColor(img_PIL,cv2.COLOR_RGB2BGR)
cv2.imshow("img_PIL_cv2",img_PIL_cv2)
cv2.waitKey (0)

都会显示为如下图片。

二、PIL，数组类型以及tensor类型的转换 1、PIL转换为tensor类型（包含CPU和GPU）

主要有两种方式：

	transforms.ToTensor()	torch.from_numpy
能转换的格式	PIL和数组格式	只能转换数组格式
具体转换过程	a = transforms.ToTensor() a(img_PIL) a(img_array)	torch.from_numpy(img_array)

注意：PIL变为数组是由(W H C)转变为(H W C)
下面是具体的代码实例：

# 1、PIL转换为tensor的CPU、GPU格式
img_path="E:\expression_recognition\1.jpg"
img_tensor = transforms.ToTensor()

img_PIL = Image.open(img_path)  # PIL读取的是PIL类型  RGB  W H C
img_PIL_tensor_CPU = img_tensor(img_PIL)
img_PIL_tensor_GPU = img_tensor(img_PIL).cuda()

2、数组转换为tensor类型（包含CPU和GPU）

# 1、数组转换为tensor的CPU、GPU格式
img_path="E:\expression_recognition\1.jpg"
img_tensor = transforms.ToTensor()


img_PIL = Image.open(img_path)  # PIL读取的是PIL类型  RGB  W H C
img_array = numpy.array(img_PIL)  # PIL转换为数组类型  H W C
img_array_tensor1_CPU = img_tensor(img_array)  # 将数组格式转换tensor格式
img_array_tensor1_GPU = img_tensor(img_array).cuda()

img_array_tensor2_CPU = torch.from_numpy(img_array)
img_array_tensor2_GPU = torch.from_numpy(img_array).cuda()   

3、tensor类型转换为数组类型

注意在tensor类型转换为数组类型中，tensor类型只能是cpu tensor类型

img_cpu.numpy()   #cpu类型直接转换
img_gpu.cpu().numpy()   #gpu类型先转换为cpu类型然后再转换为数组类型

4、tensor、数组类型转换为PIL类型

	tensor(可以是GPU也可以是CPU)转换为PIL格式	数组转换为PIL格式
第一步	img_array = numpy.uint8(img_array)	img_tensor = img_tensor.float()
第二步	a = transforms.ToPILImage() img_PIL = a(img_array)	a = transforms.ToPILImage() img_PIL = a(img_tensor)

img_path="E:\expression_recognition\1.jpg"
img = Image.open(img_path)
img_array = numpy.array(img)
a1 = transforms.ToTensor()
img_tensor = a1(img)

# 1、数组转换为PIL格式
a2 = transforms.ToPILImage()
img_array = numpy.uint8(img_array)  # 满足类型需求
img_PIL = a2(img_array)

# 2、tensor转换为PIL格式
img_tensor = img_tensor.float()  # 满足类型需求
img_PIL = a2(img_tensor)

三、CPU tensor类型与GPU tensor类型的转换

img_gpu = cpu_img_tensor.cuda() #cpu转换为gpu
img_cpu = gpu_img_tensor.cpu()  #gpu转换为cpu

四、对二和三进行一个总结

	CPU tensor	GPU tensor	PIL	array
CPU tensor (cpu_img_tensor)		cpu_img_tensor.cuda()	a = transforms.ToPILImage() img_tensor = img_tensor.float() img_PIL = a(img_tensor)	cpu_img_tensor.numpy()
GPU tensor (gpu_img_tensor)	gpu_img_tensor.cpu()		同cpu tensor的转换方式	gpu_img_tensor.cpu().numpy()
PIL (img_PIL)	a = transforms.ToTensor() a(img_PIL)	a = transforms.ToTensor() a(img_PIL).cuda()		numpy.array(img_PIL)
array (img_array)	a = transforms.ToTensor() a(img_array) 或 torch.from_numpy(img_array)	a = transforms.ToTensor() a(img_array).cuda() 或 torch.from_numpy(img_array).cuda()	a = transforms.ToPILImage() img_array=numpy.uint8(img_array) img_PIL = a2(img_array)

注意PIL与cv2转换要变换颜色通道。