print('model file: {0}'.format(model_filepath), file=sys.stderr)
print('', file=sys.stderr)
# 学習済みのオートエンコーダをロード
cnn = myDenoisingAE(WIDTH, HEIGHT, CHANNELS)
cnn.load_state_dict(torch.load(model_filepath))
# 入力画像のカラーモードを設定
color_mode = 0 if CHANNELS == 1 else 1
# 入力画像にごま塩ノイズを付加して読み込む
img = load_single_image(in_filepath,
mode=color_mode,
with_noise=True,
n_noise_points=100) # 100点分のごま塩ノイズを付加
# 入力画像を表示
show_image(img, title='input image', mode=color_mode)
# 入力画像をモデルに入力してノイズ除去
y = predict_once(device=dev, model=cnn, in_data=img)
# ノイズ除去結果を表示
show_image(y, title='output image', mode=color_mode)
# ノイズ除去結果をファイルに保存
y = np.asarray(y.transpose(1, 2, 0) * 255, dtype=np.uint8)
cv2.imwrite(out_filepath, y)
print('', file=sys.stderr)
# 画像のカラーモードを設定
color_mode = 0 if CHANNELS == 1 else 1
# 処理の実行
if mode == 'compression':
### 圧縮モード ###
# 入力画像を読み込む
img = load_single_image(in_filepath, mode=color_mode)
# 入力画像を表示
show_image(img, title='input image', mode=color_mode)
# 入力画像をモデルに入力して圧縮
y = predict_once(device=dev, model=cnn, in_data=img, module='encode')
# 圧縮結果をファイルに保存
with open(out_filepath, 'w') as f:
for i in range(len(y)):
print(y[i], file=f)
else:
### 復元モード ###
# 特徴ベクトルファイルを読み込む
with open(in_filepath, 'r') as f:
reader = csv.reader(f)
vec = []
for row in reader: