Environment
- OS: macOS Mojave
- Python version: 3.7
- PyTorch version: 1.4.0
- IDE: PyCharm
文章目录
0. 写在前面
本文记录了使用 PyTorch 实现图像数据预处理的方法,包括数据增强和标准化。主要的工具为 torchvision.transform
模块中的各种类,要求传入的图片为 PIL.Image
类型的图片。
对图像数据进行变换,可以增加训练样本量。数据变换的方式很多,实际应用时,原则是使手头的训练数据与真实数据接近。例如,如果训练数据和真实数据的物体颜色有差别,那么可以采用色彩变换;如果训练数据和真实数据的物体位置常常差别,那么可以平移变换…
这里以经典的 Lenna 图片为例,选择一块大小为 299 x 299 的部分。
from PIL import Image
image = Image.open('Lenna.jpg')
print(type(image))
# <class 'PIL.JpegImagePlugin.JpegImageFile'>
print(np.array(img).shape)
# (299, 299, 3)
image.show()
1. 基本变换类
1.1 填充
Pad
类,对图片边缘进行填充
只有当 padding_mode='constant'
时,参数 fill
才接收用于填充的值
from PIL import Image
from torchvision.transforms import Pad
image = Image.open('Lenna.jpg')
pad = Pad(
padding=(10, 100), # 传入整数 a 时,上下左右分别填充 a 个像素;
# 传入元组 (a, b) 时,左右填充 a 个像素,上下填充 b 个像素;
# 传入元组 (a, b, c, d) 时,左、上、右、下分别填充 a、b、c、d 个像素
fill=(255, 64, 128), # 每个通道用于填充的值,默认全为 0,黑色填充
padding_mode='constant' # constant, edge, reflect 或 symmetric
)
pad(image).show()
padding_mode='edge'
时,使用图像边界的像素值进行填充
padding_mode='reflect'
时,使用镜像进行填充,边界的像素值在填充中出现
padding_mode='symmetric'
时,使用镜像填充,边界的像素值将作为填充的第一个值
1.2 擦除
RandomErasing
类,随机对图像区域进行遮挡
from PIL import Image
import numpy as np
import torch
from torchvision.transforms import RandomErasing
img_pil = Image.open('Lenna.jpg')
img_array = np.array(img_pil).transpose(2, 0, 1) # transpose (H, W, C) -> (C, H, W)
img_tensor = torch.from_numpy(img_array)
random_erasing = RandomErasing(
p=1.0, # 概率值,执行该操作的概率,默认为 0.5
scale=(0.02, 0.33), # 按均匀分布概率抽样,遮挡区域的面积 = image * scale
ratio=(0.3, 3.3), # 遮挡区域的宽高比,按均匀分布概率抽样
value='123', # 遮挡区域的像素值,(R, G, B) or (Gray);传入字符串表示用随机彩色像素填充遮挡区域
inplace=False
)
# 注意,随机遮挡是对 (c, h, w) 形状的 tensor 进行操作,一般在 ToTensor 之后进行
erased_img_tensor = random_erasing(img_tensor)
erased_img_array = erased_img_tensor.numpy().transpose(1, 2, 0) # (C, H, W) -> (H, W, C)
erased_img_pil = Image.fromarray(erased_img_array)
erased_img_pil.show()
1.3 缩放
Resize
类,将图像缩放到设定的尺寸
from torchvision.transforms import Resize
from PIL import Image
image = Image.open('Lenna.jpg')
resize = Resize(
size=(299, 224), # (height, width)
interpolation=2 # 插值方法,一般保持默认就好
)
resize(image).show()
注意 Resize的小坑
1.4 裁剪
CenterCrop
类,将从图像中心裁剪出需要的尺寸
from torchvision.transforms import CenterCrop
from PIL import Image
image = Image.open('Lenna.jpg')
center_crop = CenterCrop(size=(224, 224))
center_crop(image).show()
RandomCrop
类,随机在图片某个位置裁剪出需要的尺寸
from torchvision.transforms import RandomCrop
from PIL import Image
image = Image.open