传统使用opencv自带的swapaxes进行转换，然后使用pytorch的from_numpy转为tensor

例如：

img = img.swapaxes(1,2).swapaxes(0,1)

但是有一个常用的图像增广模块albumentations模块中的img_to_tensor进行直接转换

注意：我这里使用unsqueeze是为了验证模型的输出，如果使用pytorch的dataset则不需要使用这个操作

补充知识：pytorch只用中要注意通道问题

cv读进来的是BGR图像，通道是hcw，在torch中使用要注意维度转换

def __getitem__(self, idx): '''Load image. Args: idx: (int) image index. img_org = Image.open(self.root_src + 'reference_cutBlock' + fname_org) Returns: img: (tensor) image tensor. loc_targets: (tensor) location targets. cls_targets: (tensor) class label targets. ''' # Load image fname_org = self.fnames[idx] img_org = cv2.imread(self.root_src + 'dn_dataset/' + fname_org) # img_org = np.asarray(img_org) coin = np.random.randint(0, 50) img_dis = skimage.util.random_noise(img_org, mode='gaussian', seed=None, var=(coin / 255.0) ** 2) # add gaussian noise # img_dis = img_dis[:, :, (2, 1, 0)] # bgr012 to rgb210 img_dis = img_dis.transpose([2, 0, 1]) # hwc to chw img_dis = img_dis[(2, 1, 0), :, :] # bgr012 to rgb210 img_org = img_org[:, :, (2, 1, 0)]/255.0 # bgr012 to rgb210 img_org = img_org.transpose([2, 0, 1]) # hwc to chw img_dis = torch.from_numpy(img_dis).float() img_org = torch.from_numpy(img_org).float() # fname_org_dis = self.fnames_dis[idx] # img_dis = Image.open(self.root_src + 'distorted_train_block/' + fname_org_dis) # if img_org.mode != 'RGB': # img_org = img_org.convert('RGB') # # if img_dis.mode != 'RGB': # img_dis = img_dis.convert('RGB') # img_org = self.transform(img_org) # img_dis = self.transform(img_dis) return img_dis, img_org

transforms.ToTensor() 有两层含义，一个是转化成Tensor，另一个是进行归一化，此段代码，没有采用此语句，而是分两步完成，因为img_dis，已经实现归一化。

以上这篇Pytorch 使用opnecv读入图像由HWC转为BCHW格式方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。