torchvision.transforms 灰度图

torchvision.transforms中的Grayscale()函数可以将彩色图像转换为灰度图像。该函数接受一个参数num_output_channels，用于指定输出图像的通道数，默认值为1，即输出单通道灰度图像。如果将num_output_channels设置为3，则输出3通道灰度图像，其中每个通道都具有相同的值，即相同的灰度值。

相关问题

torchvision.transforms转换为灰度

可以使用`transforms.Grayscale()`函数将图像转换为灰度图像。以下是一个示例代码：

import torchvision.transforms as transforms
from PIL import Image

# 加载图像
img = Image.open("example.jpg")

# 转换为灰度图像
gray_transform = transforms.Grayscale()
gray_img = gray_transform(img)

# 显示灰度图像
gray_img.show()

请注意，此代码需要使用Pillow库中的Image类来加载图像。如果您还没有安装Pillow，请使用以下命令安装：

pip install Pillow

torchvision.transforms原始图像 掩码图像

### 使用 `torchvision.transforms` 预处理原始图像和掩码图像

为了有效地使用 `torchvision.transforms` 对原始图像和掩码图像进行预处理，通常会采用一系列变换操作来标准化输入数据。对于图像分类、目标检测以及语义分割任务而言，这些预处理步骤至关重要。

#### 定义转换函数

定义一组适用于训练集的增强方法，包括但不限于随机裁剪、水平翻转等；而对于验证集，则仅应用必要的缩放与归一化：

from torchvision import transforms

data_transforms = {
    'train': transforms.Compose([
        transforms.Resize((256, 256)),           # 调整大小至固定尺寸
        transforms.RandomHorizontalFlip(),       # 随机水平翻转
        transforms.ToTensor(),                   # 将PIL Image 或 numpy.ndarray 转换为tensor并归一化到[0,1]
        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 图像均值方差归一化
    ]),
    'val': transforms.Compose([
        transforms.Resize((256, 256)),
        transforms.ToTensor(),
        transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
    ])
}

上述代码片段展示了如何创建两个不同的转换管道——分别用于训练阶段(`'train'`) 和评估阶段 (`'val'`) 的图像预处理[^1]。

#### 应用于实际场景中的实例

当涉及到具体的应用案例时，比如使用 Mask R-CNN 来执行实例分割任务，除了常规图片外还需要考虑对应的二进制掩码(mask)文件。因此，在构建自定义的数据加载器 (dataset loader) 中应当同时对这两类数据实施相同的几何变换（如旋转、平移），而保持像素级别的对应关系不变。然而，由于标签图像是单通道灰度图而非RGB彩色图，所以在对其进行规范化之前不需要调用 `transforms.Normalize()` 函数[^2]。

class CustomSegmentationDataset(Dataset):
    def __init__(self, image_dir, mask_dir, transform=None):
        self.image_paths = sorted(glob.glob(os.path.join(image_dir, "*.png")))
        self.mask_paths = sorted(glob.glob(os.path.join(mask_dir, "*.png")))
        self.transform = transform
        
    def __getitem__(self, idx):
        img_path = self.image_paths[idx]
        mask_path = self.mask_paths[idx]

        image = Image.open(img_path).convert("RGB")     # 确保读取的是三通道彩图
        mask = Image.open(mask_path)

        sample = {'image': image, 'mask': mask}

        if self.transform:
            sample["image"] = self.transform(sample["image"])
            sample["mask"] = ToTensor()(sample["mask"])  # 掩码只需转化为张量形式即可
            
        return sample
    
    def __len__(self):
        return len(self.image_paths)

这段代码实现了针对特定目录下存储的一系列配对好的原图及其相应标注信息(即mask)所设计的一个简易版 PyTorch Dataset 类型。通过重写 `__getitem__` 方法使得每次迭代都能返回已经过适当前处理后的样本集合。