昨天介紹了 pytorch 的基本單元 tensor，那麼我們要如何應用現實中的資料呢？可以思考一下，我們平常用了哪些器官來認知這個世界呢？有眼睛、耳朵、肌膚等。

攝影機就像是電腦的眼睛，透過圖片、影片或串流的方式把現實的畫面記錄到電腦中，今天我們就用最基本的圖片作為範例，我隨手拍了一張滑鼠的照片來當作範例如下圖：

先安裝處理影像的函式庫 OpenCV，輸入以下指令來安裝：

pip install opencv-python

接著要引用 OpenCV 的函式庫，程式碼如下(OpenCV 會使用到 NumPy 的陣列)：

import numpy as np
import cv2

題外話，為什麼叫做 cv2 呢？原因是 OpenCV 原本用 C 語言開發，後來改成 C++語言，因此就把 C 語言開發的稱 OpenCV1，改由 C++ 後開發的皆稱為 OpenCV2。

讀取一般的圖片檔，只要呼叫 cv2.imread 即可將圖片讀取進來，OpenCV 讀取預設是 BGR，PyTorch 使用 RGB 顏色空間，因此透過 cv2.cvtColor 來轉換：

# 讀取圖檔
img = cv2.imread('Day9/real_img.png')
# BGR 轉 RGB
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
# 查看型態
type(img)

讀取後為有三個軸的物件，分別為空間軸(高度、寬度)和色彩通道(彩色為RGB)，使用以下程式碼來查看：

img.shape

我拍的照片為 480 x 640的照片，因此會顯示以下數值(位置要特別注意)：

調整各軸的順序

Pytorch 要求圖片資料張量的軸為 C(色彩通道) x H(高度) x W(寬度)，因此可以利用 permute() 函式來調整張量內部軸的排列

import torch
img = torch.from_numpy(img) # 將 numpy array 轉成 tensor
out = img.permute(2, 0, 1) # 將第2軸移到第0軸，原本的 0 軸和 1 軸往後移
out.shape # 顯示調整後的順序

使用 torchvision 中的 to_pil_image 方法將圖片顯示出來

from torchvision.transforms import functional as F
F.to_pil_image(out)

結語

今天介紹如何讀取單張圖片並轉換成 tensor 的格式，特別需要注意的是每個函式要求的 Channel, Height, Width 不同，明天會介紹如何一次讀取多張照片。