⽬标检测------图⽚预处理⽅框绘图（pillow，matplotlib，tensorb。。。
实验环境：win10 + pytorch1.5(cpu版) + tensorboard2.2.0 + Pillow7.1.2 + matplotlib3.2.1 + numpy1.16.4mkl版
Pillow读⼊图⽚
PIL：Python Imaging Library，已经是Python平台事实上的图像处理标准库了。PIL功能⾮常强⼤，但API却⾮常简单易⽤。由于PIL仅⽀持到Python 2.7，加上年久失修，于是⼀志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，⽀持最新Python 3.x，⼜加⼊了许多新特性，因此，我们可以直接安装使⽤Pillow。
读⼊图⽚：
在⽬标检测任务中，通常会将⼀张RGB模式的图⽚读⼊转换成numpy格式，期间可能还会对图⽚进⾏重采样（放⼤、缩⼩）等操作。在pytorch框架中，通常采⽤Pillow库进⾏相关操作。
import numpy as np
from PIL import Image
import PIL
f = Image.open("E:\PASCAL2007\VOC2007\JPEGImages\000001.jpg")
#f.show()  #可以直接调⽤此⽅法在桌⾯显⽰当前此图⽚
#图⽚缩放1/2，采⽤BICUBIC重采样算法（默认值）
f_resized = f.resize(size =(f.width //2, f.height //2),resample = PIL.Image.BICUBIC)
#将PIL格式转换成numpy格式
img_np = np.asarray(f_resized ,dtype=np.float32)#H，W，C格式
# f = Image.fromarray(img_np)  #numpy格式转PIL格式
。更多使⽤⽅法参见 。
matplotlib绘图并加上⽅框标注，将结果显⽰在tensorboard中
通常在⽬标检测任务，需要将最终的预测结果绘制⽅框后进⾏可视化展⽰，通常采⽤matplotlib库进⾏处理，有时并且还会将结果显⽰在tensorboard中进⾏可视化。
, ，
注： 下⾯代码⽤到了上⾯代码的变量。若要使⽤plot.show()，则要放在tensorboard写⼊完成后使⽤，否则可能会报错。
import matplotlib
#matplotlib.use('Agg')  #采⽤Agg作为matplotlib绘制后端，是⼀种⾮交互式的后端，调⽤plot.show()后不会在桌⾯显⽰图⽚，在⽆桌⾯程序的服务器中运⾏程序时可使⽤此代码。
from matplotlib import pyplot as plot
from sorboard import SummaryWriter
#将img_np数据通过matplot展⽰
fig = plot.figure()#相当于创建画板
ax = fig.add_subplot(1,1,1)#创建⼦图，相当于在画板中添加⼀个画纸，当然可创建多个画纸，具体由其中参数⽽定。
ax.imshow(img_np.astype(np.uint8))#当前画纸中画⼀个图⽚
#添加⽅框，(4,5)表⽰左顶点坐标，100，100表⽰⽅框长宽
matplotlib中subplot
ax.add_patch(plot.Rectangle((4,5),100,100,fill=False,edgecolor='red', linewidth=2))
#给⽅框加标注，4,5表⽰x,y坐标，其它相当于画笔属性
<(4,5,s ="cat:90%",style='italic',bbox={'facecolor':'white','alpha':0.5,'pad':0})
#在服务器中，通常没有桌⾯程序，则需要将figure对象转换成numpy等格式，显⽰在tensorboard等程序中
#将figure转换成numpy格式的函数
def fig2data(fig):
"""
fig = plt.figure()
image = fig2data(fig)
@brief Convert a Matplotlib figure to a 4D numpy array with RGBA channels and return it
@param fig a matplotlib figure
@return a numpy 3D array of RGBA values
"""
# draw the renderer
fig.canvas.draw()
# Get the RGBA buffer from the figure
w, h = _width_height()
buf = np.frombuffer(string_argb(), dtype=np.uint8)
buf.shape =(w, h,4)
# string_argb give pixmap in ARGB mode. Roll the ALPHA channel to have it in RGBA mode
buf = np.roll(buf,3, axis=2)
image = Image.frombuffer("RGBA",(w, h), string())
image = np.asarray(image)
return image
#将绘制⽅框后的图⽚显⽰在tensorboard中
fig2data1 = fig2data(fig)#RGBA  H,W,4
writer.add_image("image2",fig2data1,0,dataformats="HWC")
#plot.show()  #如果将结果直接显⽰在桌⾯，直接调⽤此句代码即可
启动tensorboard后，其绘制结果显⽰在tensorboard中 ：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。