torchvision.transforms图像预处理常用方法简介

Transforms是在计算机视觉工具包torchvision下的包，常用于对图像进行预处理（如裁剪、翻转和旋转、图像变换……），提高泛化能力。

torchvision.transforms：常用的图像预处理方法
torchvision.datasets：常用数据集的dataset实现（MNIST、CIFAR-10、ImageNet等）
torchvision.model：常用的模型预训练（AlexNet、VGG、ResNet、GoogLeNet等）

import numpy as np
import torch
import torchvision.transforms as transforms
from PIL import Image

transforms.Compose将一系列的transforms有序组合，实现时按照这些方法依次对图像操作。

norm_mean = [0.485, 0.456, 0.406]
norm_std = [0.229, 0.224, 0.225]

transform = transforms.Compose([
	transforms.Resize((224, 224)),
	transforms.ToTensor(),
	transforms.Normalize(norm_mean, norm_std),
])

---

1 裁剪（Crop）

1.1 中心裁剪：transforms.CenterCrop

依据给定的size从中心裁剪

transforms.CenterCrop(size)

• size：所需裁剪图片尺寸。为序列时表示(h, w) ，为int时表示(size, size)即正方形裁剪，下同

1.2 随机裁剪：transforms.RandomCrop

从图片中随机裁剪出尺寸为size的图片（位置随机裁剪）

transforms.RandomCrop(size,
					  padding=None,
					  pad_if_needed=False,
					  fill=0,
					  padding_mode='constant')

• size：所需裁剪图片尺寸
• padding：设置填充大小
  • 当为a时，上下左右均填充$a$个像素
  • 当为(a, b)时，左右填充$a$个像素，上下填充$b$个像素
  • 当为(a, b, c, d)时，左、上、右、下4862分别填充$a$、$b$、$c$、$d$
• pad_if_need：若图像小于设定size，则填充
• padding_mode：填充模式
  1. constant：像素值由fill参数设定
  2. edge：像素值由图像边缘像素决定
  3. reflect：镜像填充，最后一个像素不镜像。【例】对$[1,2,3,4]$进行2个像素的填充。左侧最后一个像素不镜像，忽略$1$，从左至右为$2,3$，镜像填充为$[3,2,1,2,3,4]$。同理，右侧忽略$4$，从右至左为$3,2$，最终填充为 [ 3 , 2 , 1 , 2