Python进行图像处理、计算机视觉时有若干常用库，他们导入后的张量形状、坐标轴位置、相互转换方法各有不同。本文的总结包括PIL、skimage、numpy、opencv、pytorch等几个库。
PIL库
PIL库导入的图片为专用PIL对象，无法直接显示某一点像素值，与其他格式之间均需要转换。
PIL中Image.open()方法读入图像通道顺序为RGB。
PIL对象的属性PIL_img.size输出为一个元组，顺序是 (width,height)，这与大多数顺序为H*W的图像处理库不同。
PIL对象与numpy数组间的转换
注意：类型转换前后，数据维度信息由（c,w,h）自动变为(c,h,w)，但通道顺序不会变。
PIL对象转numpy对象
img_ndarray = np.array(image_PIL)
numpy对象转PIL对象
image_PIL = Image.fromarray(img_ndarray)
PIL对象与pytorch张量间的转换
一般使用torchvision.transform.ToTensor()函数将PIL转换为torch张量。
注意！！该函数自动执行张量形状调整和归一化，即输出张量形状为CHW，数据类型float32，数据范围0~1。
import torch, torchvision
PIL对象转pytorch张量
img_tensor = torchvision.transform.ToTensor()(img_PIL)
Numpy库和OpenCV库
OpenCV库导入的图片本身就是numpy格式！
OpenCV只是封装了许多图像领域对三维张量的操作，而且值得注意的是，OpenCV只能处理通道数
OpenCV中使用imread方法读入的图像通道顺序为BGR，形状为HWC。
OpenCV中图像坐标轴位置如图所示：
Pytorch库
Pytorch库中的张量与其他库类型均不同，需要转换。一般使用torchvision下transform包中相关函数进行转换。
numpy转tensor
我们一般使用torchvision.transform.ToTensor()函数将numpy图像转换为torch张量。
注意！！当输入numpy对象形状为HWC，数据类型为uint8，该函数会自动认为输入数据为图片数据范围为0~255，函数自动执行形状调整和归一化，变为CHW，数据类型float32，数据范围0~1。
当输入numpy对象为其他数据类型时，ToTensor()函数则不会有数据类型和维度的自动变换。会基于ndarray和tensor的数据类型对应关系进行转换，维度不变。
另一种方式为torch.from_numpy()，使用该函数时pytorch 不会对数据类型和维度做出任何改变 。也就意味着我们需要手动调整维度（.permute(2, 1, 0)），手动归一化
tensor转numpy
一般使用如下方式实现Tensor转numpy：
tensor.numpy() # tensor在内存中时
tensor.cpu().numpy() # tensor被加载到显存中，需要移回内存中
这里有一大坑点：就在上面我们讲述了当numpy对象数据类型和维度满足一定要求时转tensor后的自动归一化操作。但是！！当我们使用tensor.numpy时，系统并不会反向执行该操作，只会将torch张量直接变成形状、类型对应的numpy数组（那就会变成0~1float -1~1float -0.5~0.5float等，一定要自己想清楚）。
Original: https://blog.csdn.net/u013598963/article/details/120606043
Author: 孟大师
Title: Python图像处理库的默认导入格式、坐标轴方位易错点辨析
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645459/
转载文章受原作者版权保护。转载请注明原作者出处！