FLW

1、np.ndarray

# 将data_lowlight结构数据转化为nsarray float 再将图片进行归一化
data_lowlight = (np.asarray(data_lowlight) / 255.0)

 2、np.histogram 直方图

提取直方图的思路是：统计图像中像素点为某个值的个数，RGB彩色图像的提取就是将R\G\B三种颜色分别的0-255像素统计出来，然后绘制直方图。

 

 

 3、Pytorch里一般小写的都是函数式的接口，相应的大写的是类式接口。函数式的更加low-level一些，如果不需要做特别复杂的配置只需要用类式接口就够了。

可以这样理解：nn.ConV2d是2D卷积层，而F.conv2d是2D卷积操作。

 4、torch.min(tensorA,dim):dim表示指定的维度,返回指定维度的最大数和对应下标

import torch

x = torch.randn(1,1,4,4)
B, C, H, W = x.shape
print(x)
d = x.min(2, keepdim=True)
print('x.min(2, keepdim=True)', d)
print('\n')

f = d[0]
print('d[0]', f)
print('\n')
g = x.min(2, keepdim=True)[0].min(3, keepdim=True)
print('x.min(2, keepdim=True)[0].min(3, keepdim=True)', g)
print('\n')
b = x.min(2, keepdim=True)[0].min(3, keepdim=True)[0]
print(b)

 5、numpy.max中参数axis的取值问题

大佬链接：(5条消息) numpy.max中参数axis的取值问题_.max(axis=0)_Zpadger的博客-CSDN博客

 

 

 

 

 

 

 

 6、PIL读取图像的格式是（H,W,C）

 rgb和HSV之间的转换

 

 

 大佬链接：(5条消息) RGB 和 HSV 互相转换算法_rgb转hsv公式_lly_3485390095的博客-CSDN博客

 

损失

 1、L1损失：

    大佬链接：https://blog.csdn.net/gy_Rick/article/details/107222045

 

 

L1 = torch.abs(R_low - high).mean()

2、SSIM损失

class L_recon(nn.Module):

    def __init__(self):
        super(L_recon, self).__init__()
        self.ssim_loss = pytorch_ssim.SSIM()

    def forward(self, R_low, high):
        L2 = (1 - self.ssim_loss(R_low, high)).mean()
        return  L2

3、梯度损失

大佬链接：https://blog.csdn.net/fovever_/article/details/105780517