在使用Pyside2中的 QImage处理深度学习模型生成的图片时,需要将float32的图像转为Unit8格式,再使用cv2处理。 一开始使用网上的其他教程,如下:
# 模型生成
G_recon = G(self.content, True)
# 将(1,3,256,256)尺寸的转为(256,256,3)
G_recon = ((G_recon[0].cpu().detach().numpy().transpose(1, 2, 0) + 1) / 2)
G_recon = (G_recon) * 255.0 # 将图像数据扩展到[0,255]
G_recon = np.array(G_recon, dtype='uint8') # 改为Unit8
G_recon = cv2.cvtColor(G_recon, cv2.COLOR_BGR2RGB)
cv2.imwrite('ppp.png', G_recon) # 用cv2保存图像
但是在Lable上展示的的图像跟预期不一样,如下图:
但是将上面代码中的
G_recon = cv2.cvtColor(G_recon, cv2.COLOR_BGR2RGB)
改为
G_recon = cv2.cvtColor(G_recon, cv2.COLOR_RGBA2RGB)
就能正常显示:
RGBA格式: rgba() 函数使用红®、绿(G)、蓝(B)、透明度(A)的叠加来生成各式各样的颜色。
RGBA 即红色、绿色、蓝色、透明度(英语:Red, Green, Blue、Alpha)。
红色(R)0 到 255 间的整数,代表颜色中的红色成分。。 绿色(G)0 到 255 间的整数,代表颜色中的绿色成分。 蓝色(B)0 到 255 间的整数,代表颜色中的蓝色成分。 透明度(A)取值 0~1 之间, 代表透明度。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/193317.html原文链接:https://javaforall.cn