pytorch: 数据增广(Data Augmentation)

常用的数据增广方法：

1. 比例缩放
2. 位置截取
3. 翻转
4. 旋转
5. 亮度、对比度和色调的变化

读取原图：

import torchvision.transforms as transforms
from PIL import Image

img = Image.open('cat.jpg')
img.show()
print('img:',img.size)

输出为：
img: (500, 313)

1、比例缩放

img1 = transforms.Resize(112)(img)  # 短边缩放成112，长边按比例缩放
img2 = transforms.Resize((112, 112))(img)  # 强行缩放成手动设置的比例
img1.show()
img2.show()
print('img1:', img1.size)
print('img2:', img2.size)

输出为：
img1: (178, 112)
img2: (112, 112)

2、位置截取

rand_img = transforms.RandomCrop(112)(img)  # 随机裁剪112*112
rand_img.show()
print('rand_img:', rand_img.size)
center_img = transforms.CenterCrop(112)(img)  # 以原图中心为中心，裁剪112*112
center_img.show()
print("center_img:", center_img.size)

输出为：
rand_img: (112, 112)
center_img: (112, 112)

3、翻转

hor_img = transforms.RandomHorizontalFlip(p=1)(img)  # 随机水平翻转, p为概率
hor_img.show()
ver_img = transforms.RandomVerticalFlip(p=1)(img)  # 随机垂直翻转，p为概率
ver_img.show()

输出为：

4、旋转

ot_img = transforms.RandomRotation(15)(img)  # 随机在（-15， 15）度旋转
rot_img.show()
print("rot_img:", rot_img.size)

输出为：
rot_img: (500, 313)

5、亮度、对比度和色调的变化

bright_img = transforms.ColorJitter(brightness=1)(img)  # 随机从0~2之间的亮度变化
bright_img.show()
contrast_img = transforms.ColorJitter(contrast=1)(img)  # 随机从0~2之间的对比度
contrast_img.show()
hue_img = transforms.ColorJitter(hue=0.5)(img)  # 随机从-0.5~0.5之间的色调
hue_img.show()
saturation_img = transforms.ColorJitter(saturation=0.5)(img)
saturation_img.show()
color_img = transforms.ColorJitter(brightness=1,contrast=1,hue=0.5,saturation=0.5)(img)
color_img.show()

输出为：