transforms = Compose([
      ToTensor(),//將數據除以255加載進來
      Resize(768),//裁剪768*768大小的圖像
      ConvertMaskID(Cityscapes.classes),//與這個事無關不用去管它
      Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])// 歸一化 利用均值方差歸一化
    ])

      image_idx = x[idx].cuda().data.cpu().float().numpy() #經過上面處理的數據 在gpu上給取出來放在cpu上。是個numpy類型
      image_idx[0] = image_idx[0] * std[0] + mean[0]#三個通道分別進行反歸一化...按公式來的
      image_idx[1] = image_idx[1] * std[1] + mean[1]
      image_idx[2] = image_idx[2] * std[2] + mean[2]
      
      image_idx[0][image_idx[0] > 1] = 1#對最大值最小值做次保護
      image_idx[0][image_idx[0] < 0] = 0
      
      image_idx[1][image_idx[1] > 1] = 1
      image_idx[1][image_idx[1] < 0] = 0
      
      image_idx[2][image_idx[2] > 1] = 1
      image_idx[2][image_idx[2] < 0] = 0
      
      image_idx = image_idx.transpose(1,2,0)

      img1 = cv2.cvtColor(image_idx * 255,cv2.COLOR_RGB2BGR)#轉成opencv認識的玩意
      tpath2="dddd/"+"yy0" + str(100 * i + idx) + '.jpg'
      cv2.imwrite(tpath2, img1) 

# -*- coding: utf-8 -*-
# @Time  : 2019/4/28 13:52
# @Author : ljf
import torch
from torchvision import transforms
from PIL import Image
import numpy as np
import cv2

# 1.1 tensor2Image Image格式進行繪圖，展示
tensor1 = torch.randint(0,255,(300,300))
transform1 = transforms.ToPILImage(mode="L")
image1 = transform1(np.uint8(tensor1.numpy())) # Image接受的圖像格式必須為uint8，否則就會報錯
print(tensor1.size())
print(image1)
# image.show()
image1.save("gray.jpg")

# 1.2 Image2tensor tensor格式方便使用torch進行數據增強，也是模型訓練的格式
# 先剪切，再轉為tensor。底層也是PIL實現的
transform2 = transforms.Compose([transforms.RandomCrop([200,200],padding=10),transforms.ToTensor()])
image2 = Image.open("gray.jpg")
tensor2 = transform2(image2)
print(tensor2.size())

# 2.1 tensor2numpy 再1.1中也用到了，numpy格式主要用于容易轉換數據格式，也有利于轉為opencv格式。
array1 = tensor1.numpy()
print(array1.shape)
print(array1.dtype)

# 2.2 numpy2tensor 1.2有介紹，不再贅述
tensor3 = torch.Tensor(array1)
tensor4 = transforms.ToTensor()(array1)
print(tensor3.size())
print(tensor4.size()) # 會增加一個維度

# 3.1 numpy2opencv openc格式方便畫目標框，圖片上面寫字(Image格式也可以實現，不是很熟悉，，，)
# opencv 讀取出來就是numpy的數據格式
cv2.imshow("img",np.uint8(array1))
# cv2.waitKey()
# cv2.destroyAllWindows()

# 3.2 opencv2numpy
array2 = cv2.imread("./gray.jpg") # 這里使用opencv讀取的是三通道，plt讀取的是單通道。。暫時還沒搞懂
print(array2.shape)
print(array2.dtype)

# 4.1 opecv2Image
image3 = Image.fromarray(array2,mode="RGB")
# image3.show()

# 4.2 Image2opencv
# 這里有兩種方式，一種稍復雜點，但是可以保存數據形狀
array3 = transforms.ToTensor()(image3).numpy()

# Image自帶的屬性，但是會打亂數據為一維
list1 = list(image3.getdata())
print(array3.shape)
print(list1)