PyTorch – 如何使用均值和标准差对图像进行归一化？

**Normalize()** 变换使用均值和标准差对图像进行归一化。**torchvision.transforms** 模块提供了许多重要的变换，可用于对图像数据执行不同类型的操作。

**Normalize()** 仅接受任何大小的张量图像。张量图像是一个 torch 张量。张量图像可能具有 n 个通道。**Normalize()** 变换对每个通道的张量图像进行归一化。

由于此变换仅支持张量图像，因此应先将 PIL 图像转换为 torch 张量。应用 **Normalize()** 变换后，我们将归一化的 torch 张量转换为 PIL 图像。

步骤

我们可以使用以下步骤来使用均值和标准差对图像进行归一化：

  • 导入所需的库。在以下所有示例中，所需的 Python 库为 **torch、Pillow** 和 **torchvision**。请确保您已安装它们。

import torch
import torchvision
import torchvision.transforms as T
from PIL import Image

  • 读取输入图像。输入图像可以是 PIL 图像或 torch 张量。如果输入图像为 PIL 图像，请将其转换为 torch 张量。

img = Image.open('sunset.jpg')
# convert image to torch tensor
imgTensor = T.ToTensor()(img)

  • 定义一个变换，使用均值和标准差对图像进行归一化。这里，我们使用 ImageNet 数据集的均值和标准差。

transform = T.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225))

  • 将上面定义的变换应用于输入图像以对图像进行归一化。

normalized_imgTensor = transform(imgTensor)

  • 将归一化的张量图像转换为 PIL 图像。

normalized_img = T.ToPILImage()(normalized_imgTensor)

  • 显示归一化的图像。

normalized _img.show()

输入图像

此图像用作以下所有示例中的输入文件。

示例 1

以下 Python 程序将输入图像归一化到均值和标准差。我们使用 ImageNet 数据集的均值和标准差。

# import required libraries
import torch
import torchvision.transforms as T
from PIL import Image

# Read the input image
img = Image.open('sunset.jpg')

# convert image to torch tensor
imgTensor = T.ToTensor()(img)

# define a transform to normalize the tensor
transform = T.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))

# normalize the converted tensor using above defined transform
normalized_imgTensor = transform(imgTensor)

# convert the normalized tensor to PIL image
normalized_img = T.ToPILImage()(normalized_imgTensor)

# display the normalized PIL image
normalized_img.show()

输出

它将产生以下输出：

示例 2

在此示例中，我们定义了一个 **Compose 变换** 来执行三个变换。

  • 将 PIL 图像转换为张量图像。

  • 归一化张量图像。

  • 将归一化的图像张量转换为 PIL 图像。

# import required libraries
import torch
import torchvision.transforms as T
from PIL import Image

# read the input image
img = Image.open('sunset.jpg')

# define a transform to:
# convert the PIL image to tensor
# normalize the tensor
# convert the tensor to PIL image
transform = T.Compose([ T.ToTensor(), T.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)), T.ToPILImage()])

# apply the above tensor on input image
img = transform(img)
img.show()

输出

它将产生以下输出：

更新于: 2022-01-06

7K+ 次查看

启动您的 职业生涯

通过完成课程获得认证

立即开始
广告