深度学习模型中颜色空间转换

目录

背景

方法

结论

背景

情况是这样的，我训练一个深度学习模型，用于图片的处理，读取图片时使用的是skimage包，然后进行一系列常见的处理变为tensor类型送入模型中进行训练。这个模型为我自己设计的，同时还有其他的论文设计的模型，他们共用一个数据预处理，现在我不想动数据处理模块，只想在我设计的模型中进行颜色空间的转换，看看模型在另外的颜色空间中是否有不一样的表现，那么如何做呢？（如果有其他好方法或者错误记得私信我，谢谢~~！！！）

方法

所以就出现了比较蠢的方法，把即将送入模型中的tensor张量数据类型转一圈。先把batch维度删去，再从GPU中转出来，转为numpy类型，还需要通道维度的变换，最后用skimage.color包对转出来的矩阵进行颜色空间的变换。

如下，现在即将送入模型的张量为s，那么，可以在模型中使用如下代码进行颜色空间的转换，我是将ycbcr颜色空间转换为rgb颜色空间。

import skimage.color as sc
s = sr.squeeze(0)
#输入的s是即将送入模型中的用skimage读取后转换的tensor张量
s = s.cpu().numpy()
#从GPU中取出，并转换为矩阵
s = sc.ycbcr2rgb(s)*255
#颜色空间变换！255是送入模型的tensor为0-1
s = np.transpose(s,[2,0,1])
#现在的结果s就是图片RGB矩阵，值0-255
###
#你的对s的其他操作
###
s = torch.from_numpy(s).cuda() #转为tensor并放入GPU
s = s.unsqueeze(0)
#增加batch 维度，此时的s可以送入模型中训练

结论

1.注意的是cv2包读取图片时矩阵是按照BGR排列的，这和其他包不同

2.注意转换时的图片的通道、宽度、高度的排列顺序。以及浮点、整型等（在这我未考虑，对结果影响不大）。

3.注意skimage等读出图片的矩阵数值范围是0-255，而送入模型中训练的tensor值范围是0-1

4.因为我们中间将其转为了普通矩阵，因此如果是特征图，可以在此时将其可视化出来。

最后

以上就是善良小蘑菇为你收集整理的深度学习模型中颜色空间转换的全部内容，希望文章能够帮你解决深度学习模型中颜色空间转换所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。