在深度学习和计算机视觉中，将图像文件转换为张量（Tensor）是数据预处理的重要步骤。Tensor 是一种多维数组，在 PyTorch 中，用于表示和处理数据。
首先，创建一个3*3的图像文件，放大之后，如下所示：
图像由红RGB(255，0 , 0)，绿RGB(0，255 , 0)，蓝RGB(0，0 , 255)，黑RGB(0，0 , 0)四种颜色组成，图中的每一个方格是一个像素点。将其命名为demo33.png，并放置在下面的脚本同目录下：
from PIL import Image
# 读取图像文件
image = Image.open('demo33.png') # 打开图像
img_data = image.getdata() # 获取图像数据
data_list = list(img_data) # 创建列表
print(data_list) # 打印图像数据
out_list = [] # 创建空列表
for color in data_list: # 遍历图像数据列表
if color == (0, 0, 0): # 判断像素点是否为黑色
out_list.append('黑')
elif color == (255, 0, 0): # 判断像素点是否为红色
out_list.append('红')
elif color == (0, 255, 0): # 判断像素点是否为绿色
out_list.append('绿')
elif color == (0, 0, 255): # 判断像素点是否为蓝色
out_list.append('蓝')
print(out_list) # 打印图像数据D:\Anaconda3\envs\torch110cu113py38\python.exe E:\AiDemos\ViT\demo4.py
[(255, 0, 0), (0, 0, 0), (255, 0, 0), (0, 0, 0), (0, 255, 0), (0, 0, 0), (0, 0, 255), (0, 0, 0), (0, 0, 255)]
['红', '黑', '红', '黑', '绿', '黑', '蓝', '黑', '蓝']
以上的脚本代码反映了图像的像素特征，可以看到，逐行逐列输出了图像的RGB像素值。
进一步，按照RGB的颜色通道输出：
from PIL import Image
from torchvision import transforms
# 读取图像文件
image = Image.open('demo33.png')
R_channel = image.getchannel("R")
R_data = R_channel.getdata()
G_channel = image.getchannel("G")
G_data = G_channel.getdata()
B_channel = image.getchannel("B")
B_data = B_channel.getdata()
print(list(R_data))
print(list(G_data))
print(list(B_data))[255, 0, 255, 0, 0, 0, 0, 0, 0] # R通道的数据
[0, 0, 0, 0, 255, 0, 0, 0, 0] # G通道的数据
[0, 0, 0, 0, 0, 0, 255, 0, 255] # B通道的数据现在将图像转换为张量（Tensor）：
from PIL import Image
from torchvision import transforms
# 读取图像文件
image = Image.open('demo33.png') # 打开图像
transform = transforms.ToTensor() # 定义Tensor转换
# 应用转换，将图像转换为张量
image_tensor = transform(image)
print(image_tensor.shape) # 输出Tensor的形状
print(image_tensor) # 输出tensor的数值torch.Size([3, 3, 3]) # Tensor的形状
tensor([[[1., 0., 1.], # Tensor的R通道数据
[0., 0., 0.],
[0., 0., 0.]],
[[0., 0., 0.], # Tensor的G通道数据
[0., 1., 0.],
[0., 0., 0.]],
[[0., 0., 0.], # Tensor的B通道数据
[0., 0., 0.],
[1., 0., 1.]]])脚本中transforms.ToTensor()的解释：将PIL图像或NumPy数组转换为PyTorch的张量，并将像素值范围从[0, 255]缩放到[0, 1]。
看得出，图像文件的Tensor，由RGB三个通道组成，每个像素点与255的比例值构成了阵列的基本元素。图像的所有行、所有列构成了Tensor的阵列。
