image normalize, inverse normalize

normalize는 torchvision의 transforms를 쓰든, albumentations를 사용하든 하면 되고, 중요한건 안에 Normalize로 주는 means, std 매개변수들만 바꿔주면 됨.

 

import albumentations as A
from albumentations.pytorch import ToTensorV2
from torchvision import transforms

self.transform = A.Compose([
            A.Normalize(mean=(0.548, 0.504, 0.479), std=(0.237, 0.247, 0.246)),
            ToTensorV2(),
        ])
        
        
invTrans = transforms.Compose([transforms.Normalize(mean=[0., 0., 0.],
                                                        std=[1 / 0.229, 1 / 0.224, 1 / 0.225]),
                                   transforms.Normalize(mean=[-0.485, -0.456, -0.406],
                                                        std=[1., 1., 1.]),
                                   ])
                                   
                                   
ax1.imshow(invTrans(temp_images[i]).permute([1, 2, 0]))

 

지금보니 쓸떼없이 2번 사용하고 안에 숫자도 좀 이상한데, 어쨌든 저런식으로 하면 된다~

permute하는건 https://tistory-nari.tistory.com/57 

tensor image to numpy image, numpy image to tensor image

 

1. inverse normalize 직접 바꾸기

답답해서 직접 만든다 아오..

 

https://pytorch.org/vision/main/generated/torchvision.transforms.Normalize.html

Normalize — Torchvision main documentation

torchvision normalize 수식 보면 이래 설명됨.

주의할건 우리가 알고있는 이미지는 r,g,b로 [0~255] 이지만 torchvision의 input 이미지가 애초에 rgb [0~1]로 가정하고 만들어진 듯.

그래서 저 수식 반대로 하면 된다.

 

def inverse_normalize(img, mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]):
    """
    :param img: numpy array. shape (height, width, channel). [-1~1]
    :return: numpy array. shape (height, width, channel). [0~1]
    """
    img[:,:,0] = ((img[:,:,0]) * std[0]) + mean[0]
    img[:,:,1] = ((img[:,:,1]) * std[1]) + mean[1]
    img[:,:,2] = ((img[:,:,2]) * std[2]) + mean[2]
    return img