【Python】PyTorch用画像処理ライブラリKorniaのインストール

「画像を用いた機械学習をPythonで行いたい」
「PyTorchを使った画像処理を実行したい」

このような場合には、Korniaがオススメです。
この記事では、Korniaについて解説しています。

本記事の内容

Korniaとは？
Korniaのシステム要件
Korniaのインストール
Korniaの動作確認

それでは、上記に沿って解説していきます。

Korniaとは？

Korniaは、PyTorch用のコンピュータビジョンライブラリです。
簡単に言うと、画像処理を行うライブラリと言えます。

実際、Korniaは画像処理ライブラリであるOpenCVの影響を受けています。
OpenCVは、GPU利用前提では開発されていません。

そのため、GPUをPyTorchで利用した場合に不便なところがあります。
その不便を解消するために、Korniaは開発されたところもあるようです。

よって、PyTorchで画像処理を行うならKorniaと覚えておきましょう。
PyTorchに特化しているだけあって、簡単に利用できるようになっています。

上記のように、コードの一部分を変えるだけで様々な画像処理が実行できます。

以上、Korniaについて説明しました。
次は、Korniaのシステム要件を説明します。

Korniaのシステム要件

現時点（2022年8月）でのKorniaの最新バージョンは、0.6.6となります。
この最新バージョンは、2022年7月16日にリリースされています。

サポートOSに関しては、以下を含むクロスプラットフォーム対応です。

Windows
macOS
Linux

サポート対象となるPythonのバージョンは、以下。

Python 3.6
Python 3.7
Python 3.8

上記のサポート状況は、以下のPython公式開発サイクルからかなりズレています。

バージョン	リリース日	サポート期限
3.6	2016年12月23日	2021年12月23日
3.7	2018年6月27日	2023年6月27日
3.8	2019年10月14日	2024年10月
3.9	2020年10月5日	2025年10月
3.10	2021年10月4日	2026年10月

Python 3.9以降の場合は、どうすればよいのでしょうか？
問題ありません。

Python 3.9でもPyton 3.10でも問題なく、Korniaをインストールできます。
重要であるのは、PyTorchがインストールされていることです。
このことが、Korniaのシステム要件で最も重要なことだと言えます。

現時点で最新版となるPyTorch 1.12のインストールは、次の記事で説明しています。

以上、Korniaのシステム要件を説明しました。
次は、Korniaのインストールを説明します。

Korniaのインストール

Korniaのインストールを行います。

まずは、現状のインストール済みパッケージを確認しておきます。
事前にGPU版のPytorch 1.12.1がインストールされた状態です。

> pip list 
Package            Version 
------------------ ------------ 
certifi            2022.6.15 
charset-normalizer 2.1.0 
idna               3.3 
numpy              1.23.2 
Pillow             9.2.0 
pip                22.2.2 
requests           2.28.1 
setuptools         65.0.2 
torch              1.12.1+cu113 
torchaudio         0.12.1+cu113 
torchvision        0.13.1+cu113 
typing_extensions  4.3.0 
urllib3            1.26.11 
wheel              0.36.2

次にするべきことは、pipとsetuptoolsの更新です。
pipコマンドを使う場合、常に以下のコマンドを実行しておきましょう。

python -m pip install --upgrade pip setuptools

では、Korniaのインストールです。
Korniaのインストールは、以下のコマンドとなります。

pip install kornia

Korniaのインストールは、すぐに終わります。
終了したら、どんなパッケージがインストールされたのかを確認します。

> pip list 
Package            Version 
------------------ ------------ 
certifi            2022.6.15 
charset-normalizer 2.1.0 
idna               3.3 
kornia             0.6.6 
numpy              1.23.2 
packaging          21.3 
Pillow             9.2.0 
pip                22.2.2 
pyparsing          3.0.9 
requests           2.28.1 
setuptools         65.0.2 
torch              1.12.1+cu113 
torchaudio         0.12.1+cu113 
torchvision        0.13.1+cu113 
typing_extensions  4.3.0 
urllib3            1.26.11 
wheel              0.36.2

追加されたパッケージは、以下の3つのパッケージです。

Successfully installed kornia-0.6.6 packaging-21.3 pyparsing-3.0.9

以上、Korniaのインストールを説明しました。
次は、Korniaの動作確認を説明します。

Korniaの動作確認

Korniaの動作確認を行います。
そのためには、以下のライブラリが必要となります。

OpenCV
Matplotlib

OpenCVで処理していたことをKorniaでもできるということをアピールするコードになっています。
そして、Korniaを使えばより簡単にできるということも示すコードになります。

それぞれのインストールは、以下の記事で解説しています。

インストールに用いたコマンドは、以下となります。

pip install opencv-python
pip install matplotlib

準備が整ったら、まずは画像を1枚ダウンロードしましょう。
以下のパスの画像をダウンロードして、保存します。

　https://github.com/kornia/data/raw/main/arturito.jpg

そして、次のコードを実行します。
画像のパスは、各自の環境に合わせてください。

import cv2 
from matplotlib import pyplot as plt 
import numpy as np 
import torch 
import torchvision 
import kornia as K 

img_path = "arturito.jpg" 

img_bgr: np.array = cv2.imread(img_path)  # HxWxC / np.uint8 
img_rgb: np.array = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB) 
x_rgb: torch.tensor = torchvision.io.read_image(img_path)  # CxHxW / torch.uint8 
x_rgb = x_rgb.unsqueeze(0)  # BxCxHxW 

x_bgr: torch.tensor = K.image_to_tensor(img_bgr)  # CxHxW / torch.uint8 
x_bgr = x_bgr.unsqueeze(0)  # 1xCxHxW 
x_rgb: torch.tensor = K.color.bgr_to_rgb(x_bgr)  # 1xCxHxW / torch.uint8 
img_bgr: np.array = K.tensor_to_image(x_bgr) 
img_rgb: np.array = K.tensor_to_image(x_rgb) 

fig, axs = plt.subplots(1, 2, figsize=(32, 16)) 
axs = axs.ravel() 
axs[0].axis('off') 
axs[0].imshow(img_rgb) 
axs[1].axis('off') 
axs[1].imshow(img_bgr) 

plt.show()

上記コードを実行すると、次のような画像が表示されます。