Spaces:
Sleeping
Sleeping
File size: 3,219 Bytes
1cd0545 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 | import sys
import os
# Thêm thư mục gốc vào sys.path để import được src
sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), "..")))
import cv2
import torch
import argparse
from PIL import Image
from torchvision import transforms
from src.utils.transforms import get_val_transform
def main():
parser = argparse.ArgumentParser(description="Kiểm tra chuẩn hóa ảnh và pixel (Normalization)")
parser.add_argument("--image", type=str, required=True, help="Đường dẫn đến file ảnh khuôn mặt (đã crop)")
args = parser.parse_args()
if not os.path.exists(args.image):
print(f"Lỗi: Không tìm thấy file ảnh tại: {args.image}")
return
# 1. Đọc ảnh gốc bằng OpenCV (BGR)
img_bgr = cv2.imread(args.image)
if img_bgr is None:
print("Lỗi: Không thể đọc file ảnh.")
return
# Chuyển đổi sang RGB và ảnh PIL vì torchvision transforms hoạt động tốt nhất trên PIL Image
img_rgb = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
pil_img = Image.fromarray(img_rgb)
# 2. Thống kê trước khi xử lý
print("\n" + "="*50)
print(" THỐNG KÊ ẢNH GỐC (TRƯỚC CHUẨN HÓA)")
print("="*50)
print(f"Kích thước ảnh gốc: {pil_img.size[0]}x{pil_img.size[1]} px")
print(f"Kiểu dữ liệu: {type(pil_img)}")
img_np = np = torch.from_numpy(img_rgb).float()
print(f"Miền giá trị pixel RGB gốc: [{img_np.min().item():.1f}, {img_np.max().item():.1f}]")
print(f"Giá trị trung bình pixel: {img_np.mean().item():.2f}")
print("-"*50)
# 3. Thực hiện ToTensor độc lập để xem miền giá trị [0, 1]
to_tensor_transform = transforms.ToTensor()
tensor_0_1 = to_tensor_transform(pil_img)
print("\n" + "="*50)
print(" SAU KHI CHUYỂN SANG TENSOR (ToTensor)")
print("="*50)
print(f"Kích thước Tensor: {list(tensor_0_1.shape)} (Channels x Height x Width)")
print(f"Miền giá trị pixel: [{tensor_0_1.min().item():.4f}, {tensor_0_1.max().item():.4f}]")
print(f"Giá trị trung bình: {tensor_0_1.mean().item():.4f}")
print("-"*50)
# 4. Áp dụng toàn bộ quy trình chuẩn hóa (Resize -> ToTensor -> Normalize)
transform = get_val_transform()
normalized_tensor = transform(pil_img)
print("\n" + "="*50)
print(" SAU KHI CHUẨN HÓA (transforms.Normalize)")
print("="*50)
print(f"Kích thước Tensor đầu ra: {list(normalized_tensor.shape)}")
print(f"Miền giá trị pixel đầu ra: [{normalized_tensor.min().item():.4f}, {normalized_tensor.max().item():.4f}]")
print(f"Giá trị trung bình đầu ra: {normalized_tensor.mean().item():.4f}")
print(f"Độ lệch chuẩn (Std) đầu ra: {normalized_tensor.std().item():.4f}")
print("-"*50)
# Kiểm định xem giá trị có nằm trong khoảng [-1, 1] không
in_range = (normalized_tensor.min().item() >= -1.05 and normalized_tensor.max().item() <= 1.05)
print(f"Kiểm chứng miền giá trị [-1, 1]: {'ĐẠT' if in_range else 'KHÔNG ĐẠT'}")
print("="*50 + "\n")
if __name__ == "__main__":
main()
|