对于Kai Zhang论文FFDNet 代码Dataset理解

（仅以FFDNet为例，DnCNN更简单一些）：
代码的链接：pytorch版本点击zip文件下载

Dataset函数中patch的处理：
原始图像image --> 通过各种范围scale改变图像尺寸 --> 图像经过处理（BGR->RGB或BGR->Gray)，这里有一步transpose(2, 0, 1)目的是为了在Image_to_patch达到将numpy的 HWC --> CxHxW image --> Normalize标准化 -->利用Image_to_patch取一定大小的patch，加快处理速度，需要注意的是这里的win就是patch的size，total_num是一张image可以得到的patch的数量 --> 然后增加数据集后存入h5f文件中

函数prepare_data：对数据的进行处理后存入h5py文件中
类Dataset：用于加载数据集，注意：torch.Tensor(data)函数：numpy --> tensor，深度学习卷积一般都是处理tensor类型

部分变量表示的意义：
total_num是一张image可以得到的patch的数量
train_num：训练数据集patch数量总数
i:当前处理的图像数
item：当前处理的图像路径信息，比如第一张图片data/gray/Set12\01.png
aug_times：用于判断增加多少数据量

h5py文件：
存储image的patch，通过W写操作存储数据，R读操作读取数据