提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

1.pytroch 的transform中图像增强方法都是基于PIL图像做的

例如：

transform = transforms.Compose([
			transforms.ToTensor(),
            transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
        	])
a = Image.open('path')  #读进来的图片是PIL格式，转化为np数组后是RGB格式
a = transform(a)

2.numpy图片格式转化为PIL格式

可以通过PIL中Image中的fromarray，直接将一个数组对象转换成为PIL中的图片对象

a = cv2.imread('path')       #以BGR的顺序读进来，是np数组
b =imgplt.imread(('path'))   #以BGR的顺序读进来，是np数组
c = plt.imread('path')       #以BGR的顺序读进来，是np数组
d = Image.fromarray(img)     #img为a,b,c

3.PIL图片格式转化为numpy格式

image = Image.open('path')  #读进来的图片是PIL格式，转化为np数组后是RGB格
img = np.array(image)

4.对视频帧的处理（skvideo.io.vread()）

import skvideo
skvideo.setFFmpegPath('/opt/conda/bin/')
import skvideo.io
video_data = skvideo.io.vread('视频路径')
#对视频帧进行transform操作
transform = transforms.Compose([
             transforms.ToTensor(),
             transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
           ])
video_length = video_data.shape[0]
video_height = video_data.shape[1]
video_width = video_data.shape[2]
video_channel = video_data.shape[3]
transformed_video = torch.zeros([video_length, video_channel, video_height, video_width]) 
for frame_idx in range(video_length):
	frame = video_data[frame_idx]
    frame = Image.fromarray(frame)
    frame = transform(frame)     #对视频的帧进行transform
    transformed_video[frame_idx] = frame

最后

以上就是神勇百合为你收集整理的pytorch中transforms的使用限制1.pytroch 的transform中图像增强方法都是基于PIL图像做的2.numpy图片格式转化为PIL格式3.PIL图片格式转化为numpy格式4.对视频帧的处理（skvideo.io.vread()）的全部内容，希望文章能够帮你解决pytorch中transforms的使用限制1.pytroch 的transform中图像增强方法都是基于PIL图像做的2.numpy图片格式转化为PIL格式3.PIL图片格式转化为numpy格式4.对视频帧的处理（skvideo.io.vread()）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。