hivision/creator/tensor2numpy.py

"""
作者：林泽毅
建这个开源库的起源呢，是因为在做 onnx 推理的时候，需要将原来的 tensor 转换成 numpy.array
问题是 Tensor 和 Numpy 的矩阵排布逻辑不同
包括 Tensor 推理经常会进行 Transform，比如 ToTensor,Normalize 等
就想做一些等价转换的函数。
"""
import numpy as np


def NTo_Tensor(array):
    """
    :param array: opencv/PIL读取的numpy矩阵
    :return:返回一个形如 Tensor 的 numpy 矩阵
    Example:
    Inputs:array.shape = (512,512,3)
    Outputs:output.shape = (3,512,512)
    """
    output = array.transpose((2, 0, 1))
    return output


def NNormalize(array, mean=np.array([0.5, 0.5, 0.5]), std=np.array([0.5, 0.5, 0.5]), dtype=np.float32):
    """
    :param array: opencv/PIL读取的numpy矩阵
           mean: 归一化均值，np.array 格式
           std:  归一化标准差，np.array 格式
           dtype：输出的 numpy 数据格式，一般 onnx 需要 float32
    :return:numpy 矩阵
    Example:
    Inputs:array 为 opencv/PIL 读取的一张图片
           mean=np.array([0.5,0.5,0.5])
           std=np.array([0.5,0.5,0.5])
           dtype=np.float32
    Outputs:output 为归一化后的 numpy 矩阵
    """
    im = array / 255.0
    im = np.divide(np.subtract(im, mean), std)
    output = np.asarray(im, dtype=dtype)

    return output


def NUnsqueeze(array, axis=0):
    """
    :param array: opencv/PIL读取的numpy矩阵
           axis：要增加的维度
    :return:numpy 矩阵
    Example:
    Inputs:array 为 opencv/PIL 读取的一张图片，array.shape 为 [512,512,3]
           axis=0
    Outputs:output 为 array 在第 0 维增加一个维度，shape 转为 [1,512,512,3]
    """
    if axis == 0:
        output = array[None, :, :, :]
    elif axis == 1:
        output = array[:, None, :, :]
    elif axis == 2:
        output = array[:, :, None, :]
    else:
        output = array[:, :, :, None]

    return output