11.16学习

（六）Transforms的使用

transforms.py工具箱

本事就是将图片经过transforms工具得到一个想要的变换结果

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

img_path = "data/train/bees_image/16838648_415acd9e3f.jpg"
img = Image.open(img_path)

writer = SummaryWriter("logs")#引用一个方法或者类需要看到所需参数可以用Ctrl+p

#1.transforms该如何使用
tensor_trans = transforms.ToTensor()#引用一下ToTensor类，创建一个具体的工具
tensor_img = tensor_trans(img)#将img转换成tensor类型

writer.add_image("Tensor_img",tensor_img)

writer.close()

常见的transforms：

1.transforms.normalize的作用及好处：

用于将图像数据进行标准化处理。它的作用是通过减去均值并除以标准差，将输入数据的分布调整为标准正态分布（零均值，单位方差）。这个操作通常应用在神经网络的输入数据上。

具体而言，对于每个通道，Normalize的变换公式如下：

input[channel] = (input[channel] - mean[channel]) / std[channel]input[channel] = (input[channel] - mean[channel]) / std[channel]

其中，input[channel]input[channel] 是输入图像的某一通道的像素值，mean[channel]mean[channel] 是该通道的均值，std[channel]std[channel] 是该通道的标准差。

使用transforms.Normalize的好处包括：

1. 减少数据的偏差： 将数据标准化到零均值可以减少数据的偏差，有助于模型更好地学习数据的特征。

2. 加速训练过程： 标准化可以加速模型的训练过程，因为它有助于避免梯度消失或梯度爆炸的问题，使得优化算法更容易收敛。

3. 提高模型的泛化能力： 数据标准化有助于提高模型对未见过数据的泛化能力，因为它使得输入数据的分布更加一致。

4. 处理不同尺度的数据： 标准化可以使不同特征之间的尺度差异变得更小，有助于模型更好地处理不同尺度的输入数据。

在使用transforms.Normalize时，通常需要提供每个通道的均值和标准差作为参数。这些值可以通过对训练集进行统计计算得到。例如，对于RGB图像，通常会计算每个通道的均值和标准差，然后将它们传递给Normalize变换。

#Normalize数据标准化
print(img_tensor[0][0][0])
tran_norm = transforms.Normalize(mean=[0.5,0.5,0.5],std=[0.5,0.5,0.5])
#这组参数的选择是基于经验和实验结果的。在许多情况下，将均值设置为0.5，标准差设置为0.5的目的是将图像像素值标准化到[-1, 1]的范围内。具体的归一化参数可能会根据数据集的特性而有所不同
img_norm = tran_norm(img_tensor)
print(img_norm[0][0][0])#用于输出经过归一化处理后图像张量的第一个通道、第一个行、第一个列的像素值
writer.add_image("Normalize",img_norm)

 

 2.transforms.resize():改变图像大小

print(img.size)
trans_resize = transforms.Resize((512,512))#输入两个参数则直接修改图片尺寸
img_resize = trans_resize(img_tensor)#在使用resize时应当先用原始的PIL图像
#img_resize = trans_totensor(img_resize)##为了在tensorboard上呈现，再转为tensor类型
writer.add_image("Resize",img_resize,0)
print(img_resize)

3.transforms.totensor():将图像类型转为tensor类型

4.compose（）用法：compose的参数是一个列表

#compose - resize-2 只传入一个参数就会等比缩放
trans_resize_2 = transforms.Resize(512)
trans_compose = transforms.Compose([trans_resize_2,trans_totensor])#注意后面一个参数的输入和前一个参数的输出进行匹配
img_resize_2 = trans_compose(img)
writer.add_image("Resize",img_resize_2,1)

需要注意的是，在使用transforms.Compose时，确保前一个操作的输出和后一个操作的输入匹配，否则可能会导致错误（即列表中的两个参数颠倒）。在这里，transforms.Resize的输出是一个PIL图像，而trans_totensor的输入需要是一个PIL图像。

5.RandomCrop()随机裁剪

这样的代码可能会出现报错。因为随机裁剪的尺寸超过了原始图像的尺寸。你可以通过使用transforms.RandomResizedCrop来解决这个问题

#RandomCrop
trans_random = transforms.RandomCrop(512)
trans_compose_2 = transforms.Compose([trans_random,trans_totensor])
for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("RandomCrop",img_crop,i)

transforms.RandomResizedCrop 是为了解决在使用 transforms.RandomCrop 时可能出现的尺寸大于原图尺寸的问题 。这引入了一个额外的缩放操作。具体来说，它首先对原始图像进行缩放，然后再进行随机裁剪。这个缩放操作的目的是确保裁剪框不会超出原始图像的边界。

学习新的方法使用：

关注输入和输出类型

多看官方文档

关注方法需要什么参数

不知道返回值的时候（*print，*print（type（））

读取图像时 PIL 和 opencv 的选择

在自己建立 dataset 迭代器时，一般操作是检索数据集图像的路径，然后使用 PIL 库或 opencv库读取图片路径。

1>使用 PIL.Image 读取的图像是一种 PIL 类，mode=RGB，要想获得图像的像素值还需要将其转为 np.array 格式。

2>而 opencv 可以直接将图像读取为 np.array 格式，因此首选 opencv 

import cv2

filePath="Dataset/FFHQ/00000.png"
img=cv2.imread(filePath)
print(f"img.shape = {img.shape}")     # img.shape = (128, 128, 3)
print(f"img = {img}")     # img.dtype = uint8