如何将深度学习的float32图像转为Unit8格式以方便cv2使用

大家好，又见面了，我是你们的朋友全栈君。

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：

在这里插入图片描述

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：

在这里插入图片描述

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