误区：图片可以作为数组存储载体
在进行two stage或者更多stage任务的时候，我们有时候会先把第一阶段得到的结果保存成jpg/png图片，然后作为第二阶段的输入图片。
但是其实函数保存二位数组，保存为.jpg图片时，会有图像压缩算法，从而更改一些数组数值，造成信息出错。
例如我们展示一个二维数组原本第265行的数据值是：
1
print(list(img[265,:,0]))
1
2
3
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255, 255,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
经过下面操作
1
2
3
4
5
img = Image.fromarray(img).convert('RGB')
img.save("temp.jpg")
img = Image.open("temp.jpg")
img = np.array(img)
print(list(img[265,:,0]))
发现数据发生了改变
1
2
3
[0, 0, 0, 0, 0, 15, 0, 7, 3, 0, 0, 22, 0, 3, 0, 11,
0, 255, 245, 255, 255, 255, 246, 241, 255, 250, 255, 255, 253, 255, 242, 255,
12, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0，0, 0, 0, 0]
numpy数组的保存与读取方法
数组以二进制格式保存
np.save和np.load是读写磁盘数组数据的两个主要函数。默认情况下，数组以未压缩的原始二进制格式保存在扩展名为npy的文件中，以数组a为例
1
2
np.save("filename.npy",a)
b = np.load("filename.npy")
利用这种方法，保存文件的后缀名字一定会被置为.npy
存取文本文件
使用 np.savetxt 和 np.loadtxt 只能读写 1 维和 2 维的数组
- np.savetxt：将数组写入以某种分隔符隔开的文本文件中
- np.loadtxt：指定某种分隔符，将文本文件读入到数组中
1
2
np.savetxt("filename.txt",a)
b = np.loadtxt("filename.txt", delimiter=',')
python dict对象保存至json文件中
读取json文件：
1
2
3
with open('1.json', 'r') as f:
dict = json.load(fp=f)
print(dict)
写入json文件
1
2
with open('1.json', 'w') as f:
json.dump(dict, f)
注意：对于数组，想存入json文件，需要转换成list.
numpy数组不能序列化，不然会报错：TypeError:Object of type ‘ndarray’ is not JSON serializable
图像读写函数对比
对图像进行读写的工具库比较多，例如PIL.Image, opencv, scipy, scimage
注意：本身图像的维度是(h, w, ch),但是深度学习处理的时候是（b, ch, h, w)，所以要进行维度的置换 Tensor与numpy数组进行维度置换的函数：Tensor维度->numpy维度，img = img.permute(0, 2, 3, 1)
PIL.Image
注意Image正常显示数组维度与numpy数组是反的，Image是(w, h, ch), 正常numpy数组是(h, w, ch)，所以在进行转换前要把第0维与第1维进行颠倒。
1
2
from PIL import Image
im = Image.open("D:\Prototype\Bikesgray.jpg")
1
im.resize((width, height),Image.ANTIALIAS)
1
im = Image.fromarray(mat)
1
im.save('temp.jpg')
opencv
cv2读取图像和使用matla读取图像在每个channel的值不同，cv2读入的形式为BGR，matlab读入的形式为RGB(正常大多数都是rgb）
读取的数据shape是(h, w, ch), 类型是mat类型，属于numpy.mat类型，但是channel的第0维与第2维和正常的Image， numpy数组有些差别。
1
2
3
import cv2
im_mat = cv2.imread("D:\Prototype\Bikesgray.jpg")
cv2.imwrite('1.png',im_mat)
scimage.io
对图片处理与numpy数组本身完全一致
1
2
3
from skimage import io
img = io.imread('len.jpg')
io.imsave('f:/save.jpg',img)
scipy.misc
实现numpy->numpy级的图像resize
1
2
import scipy
im = scipy.misc.imresize(im, [height, width])
