PyTorch 教程-在PyTorch中进行风格转移的图像加载和转换

在导入所有必要的库并将VGG-19添加到我们的设备之后，我们必须将要应用风格转移的图像加载到内存中。我们有一个内容图像和风格图像，目标图像将是这两个图像的组合。并非每个图像都需要具有相同的大小或像素。为了使图像相等，我们还将应用图像转换过程。

图像加载

我们必须将内容图像和风格图像加载到内存中，以便我们可以对其进行操作。加载过程在风格转移过程中起着至关重要的作用。在加载过程之前，我们需要内存中的图像，否则风格转移过程将无法进行。

代码:

#defining a method with three parameters i.e. image location, maximum size and shape   
def load_image(img_path,max_size=400,shape=None):  
# Open the image, convert it into RGB and store in a variable   
    image=Image.open(img_path).convert('RGB')  
    # comparing image size with the maximum size   
    if max(image.size)>max_size:  
      size=max_size  
    else:  
      size=max(image.size)  
    # checking for the image shape  
    if shape is not None:  
       size=shape  
    #Applying appropriate transformation to our image such as Resize, ToTensor and Normalization  
    in_transform=transforms.Compose([  
        transforms.Resize(size),  
        transforms.ToTensor(),  
        transforms.Normalize((0.5,0.5,0.5), (0.5,0.5,0.5))])  
    #Calling in_transform with our image   
    image=in_transform(image).unsqueeze(0) #unsqueeze(0) is used to add extra layer of dimensionality to the image  
    #Returning image   
    return image  
#Calling load_image() with our image and add it to our device  
content=load_image('ab.jpg').to(device)  
style=load_image('abc.jpg',shape=content.shape[-2:]).to(device)  

图像转换

在导入图像之前，我们需要将图像从张量转换为numpy图像，以确保与绘图包的兼容性。我们之前在图像识别中的图像转换中已经使用了熟悉的image_converts辅助函数。

def im_convert(tensor):  
  image=tensor.cpu().clone().detach().numpy()     
  image=image.transpose(1,2,0)  
  image=image*np.array((0.5,0.5,0.5))+np.array((0.5,0.5,0.5))  
  image=image.clip(0,1)  
  return image  

如果我们运行此辅助方法，它将生成错误。我们必须从图像的形状和数组的形状中删除单维条目。因此，在转置方法之前，我们将挤压（squeeze）我们的图像。

image=image.squeeze()  

绘制图像

代码:

fig, (ax1,ax2)=plt.subplots(1,2,figsize=(20,10))  
ax1.imshow(im_convert(content))  
ax1.axis('off')  
ax2.imshow(im_convert(style))  
ax2.axis('off')  

当我们在Google Colab Notebook上运行它时，它将给我们预期的输出：