在pytorch中常见的数据预处理方法-CSDN博客

本文链接：https://blog.csdn.net/Csper38/article/details/147780049

PyTorch 的 torchvision.transforms 提供了一系列常见的图像预处理方法，适用于 图像分类、检测、分割 等任务。

1. 基本的图像预处理：

from torchvision import transforms

basic_transform = transforms.Compose([
    transforms.Resize((128, 128)),  # 调整大小为 128x128
    transforms.ToTensor(),          # 转为 Tensor，像素归一化为 [0, 1]
])

效果：

将图像调整为 128x128 像素。

将像素值从 [0, 255] 转换为 [0.0, 1.0]。

2.数据增强：

augment_transform = transforms.Compose([
    transforms.RandomHorizontalFlip(p=0.5),   # 随机水平翻转
    transforms.RandomVerticalFlip(p=0.2),     # 随机垂直翻转
    transforms.RandomRotation(30),            # 随机旋转 ±30°
    transforms.ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5),  # 随机亮度、对比度、饱和度
    transforms.ToTensor(),
])

效果：

图像会随机水平或垂直翻转。

图像会随机旋转 -30° 到 +30°。

图像颜色会随机变化，增强鲁棒性。

3. 归一化（标准化）：

normalize_transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])
])

效果：

将图像通道归一化为：

$\text{channel} = \frac{\text{channel} - \text{mean}}{\text{std}}$

对于 RGB 图像：

Red 通道：(R - 0.5) / 0.5

Green 通道：(G - 0.5) / 0.5

Blue 通道：(B - 0.5) / 0.5

4. 灰度化（黑白图像）：

gray_transform = transforms.Compose([
    transforms.Grayscale(num_output_channels=1),  # 转为灰度图（1通道）
    transforms.ToTensor()
])

效果：

将彩色图像转换为单通道灰度图。

5. 随机裁剪（随机区域）：

random_crop_transform = transforms.Compose([
    transforms.RandomResizedCrop(224, scale=(0.8, 1.0)),  # 随机裁剪到 80% - 100% 大小
    transforms.ToTensor()
])

效果：

在原图上随机裁剪一个区域，并调整为 224x224。

6. 中心裁剪（固定区域）：

center_crop_transform = transforms.Compose([
    transforms.CenterCrop(224),  # 中心裁剪到 224x224
    transforms.ToTensor()
])

效果：

以中心为基准裁剪图像。

7. 自动数据增强（AutoAugment）：

from torchvision.transforms import AutoAugment, AutoAugmentPolicy

autoaugment_transform = transforms.Compose([
    AutoAugment(AutoAugmentPolicy.CIFAR10),  # 针对 CIFAR-10 数据集的自动增强
    transforms.ToTensor()
])

效果：

自动选择一系列增强策略（翻转、旋转、色彩调整等），提高泛化性。

8. 组合多个预处理：

full_transform = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.RandomHorizontalFlip(p=0.5),
    transforms.RandomRotation(15),
    transforms.ColorJitter(brightness=0.3, contrast=0.3, saturation=0.3),
    transforms.RandomGrayscale(p=0.1),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])
])

效果：

将图像调整为 256x256，随机增强并标准化。

9. 使用这些预处理在 DataLoader 中：

from torchvision.datasets import CIFAR10
from torch.utils.data import DataLoader

train_data = CIFAR10(root='./data', train=True, transform=full_transform, download=True)
train_loader = DataLoader(train_data, batch_size=64, shuffle=True)

for imgs, labels in train_loader:
    print(imgs.shape, labels.shape)
    break