解码/编码图像和视频¶

torchvision.io 模块提供了用于解码和编码图像和视频的实用程序。

图像解码¶

Torchvision 目前支持解码 JPEG、PNG、WEBP、GIF、AVIF 和 HEIC 图像。JPEG 解码也可以在 CUDA GPU 上进行。

主要入口点是 decode_image() 函数，您可以使用它代替 PIL.Image.open()。它会将图像直接解码为图像张量，从而为您节省转换过程，并允许您在张量上原生运行转换/预处理。

from torchvision.io import decode_image

img = decode_image("path_to_image", mode="RGB")
img.dtype  # torch.uint8

# Or
raw_encoded_bytes = ...  # read encoded bytes from your file system
img = decode_image(raw_encoded_bytes, mode="RGB")

decode_image() 将自动检测图像格式，并调用相应的解码器（HEIC 和 AVIF 图像除外，详见 decode_avif() 和 decode_heic()）。您也可以使用更低级别的特定格式解码器，它们可能更强大，例如，如果您想在 CUDA 上编码/解码 JPEG。

`decode_image`(input[, mode, ...])	从路径或原始编码字节解码图像为 uint8 张量。
`decode_jpeg`(input[, mode, device, ...])	在 CPU 或 CUDA 上将 JPEG 图像解码为 3D RGB 或灰度张量。
`decode_png`(input[, mode, apply_exif_orientation])	将 PNG 图像解码为 3 维 RGB 或灰度张量。
`decode_webp`(input[, mode])	将 WEBP 图像解码为 3 维 RGB[A] 张量。
`decode_avif`(input[, mode])	将 AVIF 图像解码为 3 维 RGB[A] 张量。
`decode_heic`(input[, mode])	将 HEIC 图像解码为 3 维 RGB[A] 张量。
`decode_gif`(input)	将 GIF 图像解码为 3 或 4 维 RGB 张量。

ImageReadMode(value)

允许在解码时自动转换为 RGB、RGBA 等。

已弃用的解码函数

read_image(path[, mode, apply_exif_orientation])

[已弃用] 请改用 decode_image()。

图像编码¶

编码支持 JPEG（CPU 和 CUDA）和 PNG。

`encode_jpeg`(input[, quality])	在 CPU 或 CUDA 上将 RGB 张量编码为原始编码的 JPEG 字节。
`write_jpeg`(input, filename[, quality])	接受 CHW 布局的输入张量，并将其保存为 JPEG 文件。
`encode_png`(input[, compression_level])	接受 CHW 布局的输入张量，并返回其相应 PNG 文件内容的缓冲区。
`write_png`(input, filename[, compression_level])	接受 CHW 布局的输入张量（或灰度图像的 HW 布局），并将其保存为 PNG 文件。

IO 操作¶

`read_file`(path)	将文件的字节内容作为 uint8 一维张量返回。
`write_file`(filename, data)	将 uint8 一维张量的内容写入文件。

视频 - 已弃用¶

警告

已弃用：torchvision 的所有视频解码和编码功能已从 0.22 版本开始弃用，并将在 0.24 版本中移除。我们建议您迁移到 TorchCodec，我们将在其中整合 PyTorch 未来在解码/编码方面的功能。

`read_video`(filename[, start_pts, end_pts, ...])	[已弃用] 从文件读取视频，返回视频帧和音频帧。
`read_video_timestamps`(filename[, pts_unit])	[已弃用] 列出视频帧的时间戳。
`write_video`(filename, video_array, fps[, ...])	[已弃用] 将 [T, H, W, C] 格式的 4D 张量写入视频文件。

细粒度视频 API

除了 read_video 函数外，我们还提供了一个高性能的低级别 API，与 read_video 函数相比，提供了更精细的控制。它在实现这一切的同时，完全支持 torchscript。

VideoReader(src[, stream, num_threads])

[已弃用] 细粒度视频读取 API。