pytorch中的標准化的tensor轉圖像

常常在工作之中遇到將dataloader中出來的tensor成image，numpy格式的數據，然后可以可視化出來
但是這種tensor往往經過了channel變換（RGB2BGR），以及歸一化（減均值除方差），
然后維度的順序也發生變化（HWC變成CHW）。為了可視化這種變化比較多的數據，
在tensor轉numpy之前需要對tensor做一些處理

如下是一個簡單的函數，可以可視化tensor，下次直接拿來用就行

def tensor2im(input_image, imtype=np.uint8):
    """"
    Parameters:
        input_image (tensor) --  輸入的tensor，維度為CHW，注意這里沒有batch size的維度
        imtype (type)        --  轉換后的numpy的數據類型
    """
    mean = [0.485, 0.456, 0.406] # dataLoader中設置的mean參數，需要從dataloader中拷貝過來
    std = [0.229, 0.224, 0.225]  # dataLoader中設置的std參數，需要從dataloader中拷貝過來
    if not isinstance(input_image, np.ndarray):
        if isinstance(input_image, torch.Tensor): # 如果傳入的圖片類型為torch.Tensor，則讀取其數據進行下面的處理
            image_tensor = input_image.data
        else:
            return input_image
        image_numpy = image_tensor.cpu().float().numpy()  # convert it into a numpy array
        if image_numpy.shape[0] == 1:  # grayscale to RGB
            image_numpy = np.tile(image_numpy, (3, 1, 1))
        for i in range(len(mean)): # 反標准化，乘以方差，加上均值
            image_numpy[i] = image_numpy[i] * std[i] + mean[i]
        image_numpy = image_numpy * 255 #反ToTensor(),從[0,1]轉為[0,255]
        image_numpy = np.transpose(image_numpy, (1, 2, 0))  # 從(channels, height, width)變為(height, width, channels)
    else:  # 如果傳入的是numpy數組,則不做處理
        image_numpy = input_image
    return image_numpy.astype(imtype)

參考鏈接：https://www.cnblogs.com/wanghui-garcia/p/11393076.html