Image processing 神经网络分割中的图像格式
我正在通过pytorch的深度学习进行细分。我的数据集是.raw/.mhd格式的超声图像。 我想通过数据加载器将数据集输入系统 我面临几个重要问题:Image processing 神经网络分割中的图像格式,image-processing,neural-network,pytorch,image-segmentation,rawimage,Image Processing,Neural Network,Pytorch,Image Segmentation,Rawimage,我正在通过pytorch的深度学习进行细分。我的数据集是.raw/.mhd格式的超声图像。 我想通过数据加载器将数据集输入系统 我面临几个重要问题: 将数据集的格式更改为.png或.jpg是否会导致分段不准确?(我想我这样丢失了一些信息!) 哪种格式的数据丢失较少? 如果不转换原始图像格式,即.raw/.mhd,我应该如何制作一个矮胖数组? 如何加载此数据集? 我对原始格式和mhd格式一无所知,我可以给出部分答案 首先,jpg是有损的,png不是。因此,您肯定会在jpg中丢失信息png对于“正
- 将数据集的格式更改为.png或.jpg是否会导致分段不准确?(我想我这样丢失了一些信息!)
- 哪种格式的数据丢失较少?
- 如果不转换原始图像格式,即.raw/.mhd,我应该如何制作一个矮胖数组?
- 如何加载此数据集?
- 我对原始格式和mhd格式一无所知,我可以给出部分答案
首先,
jpg
是有损的,png
不是。因此,您肯定会在jpg
中丢失信息png
对于“正常”图像是无损的-1、3或4通道,每个通道的精度为8位(可能还支持16位,请不要引用我的话)。我对超声图像一无所知,但如果它们使用更高的精度,即使png也会有损
其次,我不知道什么是mhd
,以及raw
在超声图像中的含义。话虽如此,一个简单的谷歌搜索揭示了将前者读给numpy的方法
最后,要加载数据集,可以使用torchvision
中的类。您需要编写一个自定义函数来加载给定路径的图像(例如,使用上面提到的包),并将其传递给loader
关键字参数