1. Transforms 介绍
torchvision.transforms是PyTorch中用于数据预处理和图片变换的模块。这个模块提供了一系列的功能,用于对图像数据进行各种预处理操作,如调整大小、裁剪、归一化等,以便更好地适应神经网络模型的输入要求。transforms模块中的函数可以组合使用,通过
torchvision.transforms.Compose
将多个操作组合成一个序列,按照顺序依次对图像进行处理。在PyTorch中,数据预处理通常在
__getitem__()
方法中实现,这个方法用于从数据集中获取单个样本,并进行相应的预处理。预处理后的数据通过__getitem__()
方法返回给模型进行训练或测试。这个过程涉及到将图像从PIL Image或ndarray格式转换为tensor格式,并进行必要的归一化处理,以确保数据在神经网络的训练过程中能够正确地被处理和使用。
2. Transforms 的使用
在该模块中存在许多的 类:
在使用该 模块时,需要 :
1. 实例化 某一特定工具类: tool = transforms.tool() 获得工具类的实例对象;
2. 对需要的结果进行转换 : result = tool(input) 获得结果
1. ToTensor()
将PIL图像或NumPy ndarray转换为PyTorch张量,并将像素值从[0, 255]缩放到[0.0, 1.0]。
from torchvision import transforms
from PIL import Image
img_path = "hymenoptera_data/train/ants_img/0013035.jpg"
img = Image.open(img_path)
print(img) #<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x15424866150>
# 下面是 把图像的像素值从[0, 255]缩放到[0.0, 1.0]
transforms_to_tensor = transforms.ToTensor()
img_tensor = transforms_to_tensor(img)
print(img_tensor) # 将图像数据 转换为 tensor 类型的数据
2. ToPILImage()
将PyTorch张量转换回PIL图像
Tensor_to_PIL = transforms.ToPILImage()
img_PIL = Tensor_to_PIL(img_tensor)
print(img_PIL)
img_PIL.show()
3. Normalize()
# 归一化 # Normalize a tensor image with mean and standard deviation. # 初始化参数: mean, std, inplace=False # 计算公式:output[channel] = (input[channel] - mean[channel]) / std[channel]
"""
以下述 mean 与 std 为例:
output = (input - 0.5) / 0.5
=> output = 2 * input - 1
=> 又因为 input = [0,1]
=> 所以 output = [-1,1]
"""
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trans_norm(img_tensor)
print(img_norm)
write.add_image("Normalize",img_norm)
write.close()
结果归一化后的 图像:
4. Resize()
作用: 调整图像的尺寸
__init__(self, size, interpolation=InterpolationMode.BILINEAR, max_size=None, antialias=True):
- size : 如果size是一个序列(h,w),输出大小将与此匹配。 如果size是int(只有一个数据),图像的较小边缘将与该数字匹配。即,如果高度>宽度,则图像将被重新缩放为(size * height / width, size)。
- interpolation: 指定图像缩放时采用的插值方法。插值方法决定了新图像中像素值的计算方式,从而影响缩放后图像的质量。
注意:
- 经过 resize 之后,img 的类型仍然是 PIL 类型。因此,后续如果使用,需要 将该类型转为 tensor 类型
5. RandomCrop()
随即裁剪:
def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
- size : (h,w) 类型:依照 长、宽裁剪; int 类型:方形裁剪(int,int)
- padding: 边框填充,如果提供了单个int,则用于填充所有边框。如果提供了长度为2的序列,则这是填充分别位于左侧/右侧和顶部/底部。如果提供长度为4的序列,这是分别用于左、上、右和下边框的填充。
# RandomCrop 随机裁剪
#def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
trans_randcrop = transforms.RandomCrop(100,10)
for i in range(10):
img_crop = trans_randcrop(img)
img_crop = transforms_to_tensor(img_crop)
write.add_image("RandmCrop",img_crop,i)
write.close()
5. Compose()
将多个操作,作为一个序列完成。
其参数为 一个列表 [ transforms1, transforms2 ... ]
trans_resize = transforms.Resize((512,512))
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
transforms_to_tensor = transforms.ToTensor()
trans_comp = transforms.Compose([trans_resize, transforms_to_tensor,trans_norm])
img_comp = trans_comp(img)
write.add_image("Compose",img_comp)
上述代码:依次进行了 : 缩放、toTensor、归一化
3. 总结
在使用方法是:
1. 首先 关注 它的 输入 需要什么样的 数据类型,是PIL,是Numpy,是Tensor ....
2. 关注 它的 输出是什么样的数据类型
3. 查看 官方文档的参数
实验使用的全部代码:
from torchvision import transforms
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
img_path = "hymenoptera_data/train/ants_img/0013035.jpg"
img = Image.open(img_path)
print(img) #<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x15424866150>
# 下面是 把图像的像素值从[0, 255]缩放到[0.0, 1.0]
transforms_to_tensor = transforms.ToTensor()
img_tensor = transforms_to_tensor(img)
print(img_tensor) # 将图像数据 转换为 tensor 类型的数据
write = SummaryWriter("logs")
write.add_image("ToTensor",img_tensor)
# Tensor_to_PIL = transforms.ToPILImage()
# img_PIL = Tensor_to_PIL(img_tensor)
# print(img_PIL)
# #img_PIL.show()
# 归一化
#Normalize a tensor image with mean and standard deviation.
# 初始化参数: mean, std, inplace=False
# 计算公式:output[channel] = (input[channel] - mean[channel]) / std[channel]
"""
以下述 mean 与 std 为例:
output = (input - 0.5) / 0.5
=> output = 2 * input - 1
=> 又因为 input = [0,1]
=> 所以 output = [-1,1]
"""
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trans_norm(img_tensor)
print(img_norm)
write.add_image("Normalize",img_norm)
# Resize()
print(img.size) # (768, 512)
trans_resize = transforms.Resize((512,512))
img_resize = trans_resize(img)
print(img_resize) # <PIL.Image.Image image mode=RGB size=512x512 at 0x225ED6223F0>
img_resize = transforms_to_tensor(img_resize) # PIL 类型 转为 tensor 类型
print(img_resize)
write.add_image("Resize",img_resize)
trans_comp = transforms.Compose([trans_resize, transforms_to_tensor])
img_comp = trans_comp(img)
write.add_image("Compose",img_comp)
# RandomCrop 随机裁剪
#def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
trans_randcrop = transforms.RandomCrop(100,10)
for i in range(10):
img_crop = trans_randcrop(img)
img_crop = transforms_to_tensor(img_crop)
write.add_image("RandmCrop",img_crop,i)
write.close()