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()