TORCHVISION.TRANSFORMS的图像预处理

最新推荐文章于 2024-04-12 19:49:33 发布

阿巫兮兮

最新推荐文章于 2024-04-12 19:49:33 发布

阅读量5.7k

点赞数 36

分类专栏： pytorch深度学习

本文链接：https://blog.csdn.net/m0_37163827/article/details/111284328

版权

pytorch深度学习专栏收录该内容

2 篇文章 2 订阅

订阅专栏

TORCHVISION.TRANSFORMS

一、变换的组合
- 1 变换的组合：transforms.Compose
二、PIL图象与torch.*Tensor的都可以变换
三、只针对PIL图像的变换
- 1 随机选择：transforms.RandomChoice
- 3 随机顺序：transforms.RandomOrder
四、只针对torch.*Tensor的变换
五、数据类型转换变换
- 1 将数据转换为PILImage：transforms.ToPILImage
- 2 将数据转为tensor：transforms.ToTensor
六、通用变换
- 1 Lambda函数：transforms.Lambda
- 2 随机应用变换：transforms.RandomApply
七、变换函数

本文相关代码下载：https://github.com/hanlinshi/test_TORCHVISION.TRANSFORMS
TORCHVISION.TRANSFORMS变换是常见的图像变换。它们可以用Compose链接在一起。此外，还有torchvision.transforms.functional模块。函数转换提供对转换的细粒度控制。如果您必须构建一个更复杂的转换管道（例如，在分段任务的情况下），这很有用。

所有变换都接受PIL图像、Tensor图像或一批Tensor图像作为输入。Tensor图像是一种（C，H，W）形状的tensor，其中C是多个通道，H和W是图像的高度和宽度。一批Tensor图像是（B，C，H，W）形状的tensor，其中B是批中的若干图像。对一批Tensor图像应用的确定性或随机变换对该批的所有图像进行相同的变换。

从v0.8.0版后，所有随机转换都使用torch默认随机生成器来采样随机参数。这是一个破坏向后兼容性的更改，用户应将随机状态设置为：
# Previous versions
# import random
# random.seed(12)
# Now
import torch
torch.manual_seed(17)
请记住，torch随机生成器和Python随机生成器的相同种子不会产生相同的结果。

可脚本化转换
为了编写转换脚本，请使用torch.nn.Sequential，而不是Compose。

transforms = torch.nn.Sequential(
    transforms.CenterCrop(10),
    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
)
scripted_transforms = torch.jit.script(transforms)

确保只使用可编写脚本转换，即torch.Tensor,不需要lambda函数PIL.Image

任何自定义转换要与torch.jit.script一起使用，它们应该源于torch.nn.模块.

一、变换的组合

1 变换的组合：transforms.Compose

torchvision.transforms.Compose(transforms) 主要作用是串联多个图片变换的操作。
transforms是一个Transform对象列表，Transform对象对图像进行操作，如裁剪、翻转等变换操作。
Compose会将transforms列表遍历操作一次。

transforms.Compose([
     transforms.CenterCrop(10),
     transforms.ToTensor(),
 ])

下图是要操作的原图

二、PIL图象与torch.*Tensor的都可以变换

* 裁剪–Crop

1 中心裁剪：transforms.CenterCrop

CLASS torchvision.transforms.CenterCrop(size)
在中心位置裁剪给定图像。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数.

参数

size（sequence 或 int）---- 裁剪后的大小。如果size是一个int而不是像（h，w）这样的序列，则会进行一个方形裁剪（size，size）。如果提供一个长度为1的元组size=(h,)或列表size=[h]，它将被解释为（size[0]，size[0]）
–也就是四种写法: size=(h,w) ; size=h ; size=(h,) ; size=[h].

返回
剪切后的图像
返回类型：PIL 图像或Tensor

下图是四种写法中心裁剪后的图片

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/img.jpeg') # 原图大小695,391
sizes = [224, (224, 224), (224,), [224]]
for i, size in enumerate(sizes):
     transform = transforms.CenterCrop(size)
     imgt = transform(img)
     imgt.save('./data/center_crop_' + str(i) + '.jpg')

在这里插入图片描述

2 填充后随机裁剪：transforms.RandomCrop

CLASS torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')
在随机位置裁剪给定图像。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

size（sequence 或 int）---- 裁剪后的大小。如果size是一个int而不是像（h，w）这样的序列，则会进行一个方形裁剪（size，size）。如果提供一个长度为1的元组size=(h,)或列表size=[h]，它将被解释为（size[0]，size[0]）.
– 也就是四种写法: size=(h,w) ; size=h ; size=(h,); size=[h].
padding（int 或 sequence，可选）---- 图像每个边填充长度（单位是像素）。 默认值为“无”。如果提供了一个int，则用于填充所有边界。如果提供长度为2的元组，则分别在左/右和上/下填充。如果提供了长度为4的元组，则这是分别用于左边框、上边框、右边框和下边框的填充。在torchscript模式下，由于不支持单个int，请使用长度为1的元组或列表：[padding，]
– 也就是七种写法: padding=p; padding=(p,); padding=(p1,p2); padding=(p1,p2,p3,p4); padding=[p]; padding=[p1,p2]; padding=[p1,p2,p3,p4]
– 这里的p是指上下左右边界用fill的值填充p个像素的长度。
pad_if_needed（boolean）---- 如果图像小于所需大小，它将填充图像，以避免引发异常。由于裁剪是在填充之后完成的，所以填充看起来像是在随机偏移处完成的。
– 如果pad_if_needed为False(默认值), 图像padding后的大小 < size，就会报错；如果pad_if_needed为True,图像padding后的大小 < size,则会继续padding到size大小后，再裁剪，就不会报错了。
fill (int 或 tuple) ---- 常量填充的像素填充值。 默认值为0。如果一个元组的长度为3，则分别用于填充R、G、B通道。此值仅在填充模式为常量时使用.
– 也就是两种写法: fill=f; fill=(f1,f2,f3).
padding_mode (str) ---- 填充类型. 应为：constant常数、edge边、reflect反射或symmetric对称。默认值为常量。张量输入尚不支持模式对称。
- constant 常数，用常数值进行填充，这个常数值由fill指定。
- edge 边, 用图像最边缘的值进行填充。
- reflect 反射，用图像的反射进行填充（不重复最边缘的值）,例如，使用反射模型在[1, 2, 3, 4]的两边填充2个元素的结果为[3, 2, 1, 2, 3, 4, 3, 2]
- symmetric 对称，用图像的对称进行填充（重复最边缘的值），例如，使用对称模型在[1, 2, 3, 4]的两边填充2个元素的结果为[2, 1, 1, 2, 3, 4, 4, 3]
– 如果使用了edge，reflect，symmetric这三种模式，fill的值就会被无视
– 从结果上看reflect和symmetric这两种模式没有什么大的区别，不过我私以为这可能是设计上的问题，应该有一种模式是重复，而不是镜像方式。（不过也可能是我的实验有问题）
– 图像padding后的大小 < size时，选择pad_if_needed为True和自己padding图像得到的结果还是有区别的，没有去研究系统是怎么自动padding的。感兴趣的可以研究试一试。

返回
剪切后的图像
返回类型：PIL 图像或Tensor

下图是随机裁剪四种size写法得到图片，注意因为随机所以每次得到的图片都可能不一样。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/img.jpeg')  # 原图大小695,391
sizes = [224, (224, 224), (224,) ,[224]] 
for i, size in enumerate(sizes):
    transform = transforms.RandomCrop(size)
    imgt = transform(img)
    imgt.save('./data/random_crop_s' +str(i)+ '.jpeg')

在这里插入图片描述
下图是默认值填充后裁剪

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/img.jpeg')  # 原图大小695,391
size = 400
paddings = [50,(50,),(50, 100),(50, 100, 150, 200),
            [50],[50, 100],[50, 100, 150, 200]]
             # padding = 4 (pad_if_needed=False会报错，True不会);
for i, padding in enumerate(paddings):
    transform = transforms.RandomCrop(size,
                padding=padding,pad_if_needed=False)
    imgt = transform(img)
    imgt.save('./data/random_crop_p' + str(i)+'.jpeg')

在这里插入图片描述

下图是指定颜色填充裁剪，为了显示白色填充，所以背景颜色涂成黑色。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/img.jpeg')  # 原图大小695,391
size = 500
padding = 100
fills = [255,(0,255,255)]
for i, fill in enumerate(fills):
    transform = transforms.RandomCrop(size,
             padding=padding, fill=fill)
    imgt = transform(img)
    imgt.save('./data/random_crop_f'+str(i)+'.jpeg')

在这里插入图片描述

下图是制定模式填充。看出其实reflect填充和symmetric填充没有什么区别.

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')  # 图片大小是 256*256   
size = 400
padding = 100
fill = (255,0,255)  
padding_modes = ["constant","edge" ,"reflect" ,"symmetric"]
for i, padding_mode in enumerate(padding_modes):
    transform = transforms.RandomCrop(size, padding=padding,
           pad_if_needed=True, padding_mode=padding_mode)
    imgt = transform(img)
    imgt.save('./data/random_crop_m'+str(i)+'.jpeg')

在这里插入图片描述

下图是裁剪出更大的size进行观察
在这里插入图片描述

3 (已弃用)缩放后随机裁剪： transforms.RandomSizedCrop

CLASS torchvision.transforms.RandomSizedCrop(*args, **kwargs)

-注意：此转换被弃用，取而代之的是RandomResizedCrop。

4 缩放后随机裁剪： transforms.RandomResizedCrop

CLASStorchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)
将给定图像裁剪为随机大小和长宽比。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。
先将原始图片重置为原始尺寸的随机倍数（默认值：从0.08到1.0）以及随机调整长宽比（默认值：从3/4到4/3），然后进行裁剪。最终被调整到给定的大小。这通常用于训练初始网络。

参数

size（sequence 或 int）---- 裁剪后的大小。如果size是一个int而不是像（h，w）这样的序列，则会进行一个方形裁剪（size，size）。如果提供一个长度为1的元组size=(h,)或列表size=[h]，它将被解释为（size[0]，size[0]）
– 也就是四种写法: size=(h,w) ; size=h ; size=(h,); size=[h].
scale (python:float的元祖) ---- 原始尺寸缩放比率取值。
ratio (python:float的元祖) ---- 缩放后的长宽比范围取值。
interpolation (int) ---- 由 filters（过滤器）定义的所需插值枚举。
默认为PIL.Image.BILINEAR. （双线性插值）。如果输入是Tensor对象，仅支持PIL.Image.NEAREST, PIL.Image.BILINEAR 以及 PIL.Image.BICUBIC
– 取值0到5六个分别是（实验结果猜测的，以后有时间再研究这几个插值）：PIL.Image.NEAREST(0), PIL.Image.ANTIALIAS(1), PIL.Image.BILINEAR(2), PIL.Image.BICUBIC(3), PIL.Image.BOX(4), PIL.Image.HAMMING(5)

返回
随机剪裁和重置大小的图像
返回类型：PIL图像或Tenso

默认模式的随机缩放裁剪。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
sizes = [224,(224,),[224]]  
interpolation = 0
for i,size in enumerate(sizes):
    transform = transforms.RandomResizedCrop(size, 
                  interpolation=interpolation)
    imgt = transform(img)
    imgt.save('./data/random_resize_crop_s'+str(i)+'.jpeg')

在这里插入图片描述

下图是扩大一倍的填充，看不出什么，其实还是有差别的。因为这里缩小了所以看不出来。可以自己实验。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
size = 512  
interpolations = [0, 1, 2, 3, 4, 5]
scale = (2.0, 2.0)
ratio = (1.0, 1.0)
for i,interpolation in enumerate(interpolations):
    transform = transforms.RandomResizedCrop(size, scale=scale,
              ratio=ratio, interpolation=interpolation)
    imgt = transform(img)
    imgt.save('./data/random_resize_crop_i'+str(i)+'.jpeg')

在这里插入图片描述

5 五张裁剪：transforms.FiveCrop

CLASS torchvision.transforms.FiveCrop(size)
给定图像的四个角和中心裁剪。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

size（sequence 或 int）---- 裁剪后的大小。如果size是一个int而不是像（h，w）这样的序列，则会进行一个方形裁剪（size，size）。如果提供一个长度为1的元组size=(h,)或列表size=[h]，它将被解释为（size[0]，size[0]）
– 也就是四种写法: size=(h,w) ; size=h ; size=(h,); size=[h].

返回
五张裁剪的图像
返回类型：PIL图像或Tenso

这个转换返回的是一组图片的元组（四个角和中心共五张图片）。因此经过这个转换后所得到的数据作为输入数据，和直接由数据集的返回得到的数据量不一样。假设从数据集中拿出batch数为8，经过这个变换以后数据量就为8*5=40了。
请参阅下面的示例，了解如何处理此问题。

在数据预处理中

transform = Compose([
        FiveCrop(size), # 得到一个PIL图片数组
        Lambda(lambda crops: torch.stack([ToTensor()(crop) for crop in crops])) # 返回一个4D tensor
   ])

在测试数据中

input, target = batch # input 是一个 5d tensor, target 是 2d
bs, ncrops, c, h, w = input.size()
result = model(input.view(-1, c, h, w)) # 融合 batch size 和 ncrops 变成4d
result_avg = result.view(bs, ncrops, -1).mean(1) # 拆结果

下图是一张图一次操作得到的五张结果。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
size = 100  
transform = transforms.FiveCrop(size)
imgt = transform(img)
for i, imgt in enumerate(imgt):
   imgt.save('./data/five_crop_'+str(i)+'.jpeg')

在这里插入图片描述

6 十张裁剪: transforms.TenCrop

CLASS torchvision.transforms.TenCrop(size, vertical_flip=False)
给定图像的四个角和中心裁剪，以及这些裁剪的翻转（默认情况下使用水平翻转）图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

size（sequence 或 int）---- 裁剪后的大小。如果size是一个int而不是像（h，w）这样的序列，则会进行一个方形裁剪（size，size）。如果提供一个长度为1的元组size=(h,)或列表size=[h]，它将被解释为（size[0]，size[0]）
– 也就是四种写法: size=(h,w) ; size=h ; size=(h,); size=[h].
vertical_flip (bool) ---- 使用垂直翻转代替水平翻转，默认False,不代替。

返回
十张裁剪的图像
返回类型：PIL图像或Tenso

这个转换返回的是一组图片的元组（四个角和中心以及他们的翻转共十张图片）。因此经过这个转换后所得到的数据作为输入数据，和直接由数据集的返回得到的数据量不一样。假设从数据集中拿出batch数为8，经过这个变换以后数据量就为8*10=80了。
请参阅下面的示例，了解如何处理此问题。

在数据预处理中

transform = Compose([
        TenCrop(size), # 得到一个PIL图片数组
        Lambda(lambda crops: torch.stack([ToTensor()(crop) for crop in crops])) # 返回一个4D tensor
   ])

在测试数据中

input, target = batch # input 是一个 5d tensor, target 是 2d
bs, ncrops, c, h, w = input.size()
result = model(input.view(-1, c, h, w)) # 融合 batch size 和 ncrops 变成4d
result_avg = result.view(bs, ncrops, -1).mean(1) # 拆结果

下图是一张图一次操作得到的十张结果。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
size = 100  
transform = transforms.TenCrop(size)
imgts = transform(img)
for i, imgt in enumerate(imgts):
    imgt.save('./data/ten_crop_'+str(i)+'.jpeg'

在这里插入图片描述

* 翻转和旋转 – Flip and Rotation

1 依概率p水平翻转transforms.RandomHorizontalFlip

CLASS torchvision.transforms.RandomHorizontalFlip(p=0.5)
以给定的概率p, 水平翻转给定的图像。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

p (float) –图像被翻转的概率。默认值为0.5
–实验结论：p小于0的被视为0，p大于1的被视为1；

返回
水平翻转后的图像
返回类型：PIL图像或Tenso

下图左边是原图，右边是水平翻转后的原图

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
transform = transforms.RandomHorizontalFlip(p=1)
imgt = transform(img)
imgt.save('./data/horizontal_flip.jpeg')

在这里插入图片描述

2 依概率p垂直翻转transforms.RandomVerticalFlip

CLASS torchvision.transforms.RandomVerticalFlip(p=0.5)
以给定的概率p, 垂直翻转给定的图像。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

p (float) ---- 图像被翻转的概率。默认值为0.5
–实验结论：p小于0的被视为0，p大于1的被视为1；

返回
垂直翻转后的图像
返回类型：PIL图像或Tenso

下图左边是原图，右边是垂直翻转后的原图

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
transform = transforms.RandomVerticalFlip(p=1)
imgt = transform(img)
imgt.save('./data/vertical_flip.jpeg')

在这里插入图片描述

3 随机旋转：transforms.RandomRotation

CLASS torchvision.transforms.RandomRotation(degrees, resample=0, expand=False, center=None, fill=None)
按角度旋转图像。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

degrees (sequence or float or int) –旋转角度的范围。如果角度是一个数字而不是类似（min，max）的序列，则度数的范围将是（-degrees，+degrees）
–两种写法：degrees=d; degrees=(min，max);
resample (int, 可选) ---- 重采样过滤器（可选项）。默认值是0，更多过滤器的详细见链接。如果省略，或者图像具有模式“1”或“P”（这里不懂），则将其设置为PIL.Image.NEAREST.如果输入是Tensor对象，仅支持PIL.Image.NEAREST, PIL.Image.BILINEAR以及PIL.Image.BICUBIC。
–取值0到5六个分别是（实验结果猜测的，以后有时间再研究这几个插值）：PIL.Image.NEAREST(0), PIL.Image.ANTIALIAS(1), PIL.Image.BILINEAR(2), PIL.Image.BICUBIC(3), PIL.Image.BOX(4), PIL.Image.HAMMING(5)
– 貌似只支持0,2,3三种过滤器。
expand (bool, 可选) ---- 扩展标志（可选项）。默认值是false.如果为true，则展开输出以使其足够大以容纳整个旋转图像。如果为false或省略，则使输出图像与输入图像的大小相同。请注意，expand标志假定围绕中心旋转而不平移。
center (list or tuple, 可选) ---- 旋转中心（可选项），（x，y）。原点在左上角。默认值为图像的中心。
–两种写法：center=[x,y]; center=(x,y)
fill (3-tuple or int) ---- 旋转图像外部区域的像素填充值。如果是int或float，则该值用于所有外部区域。默认填充值为0。此选项仅适用于Pillow>=5.2.0. Tensor输入不支持此选项。因此Tensor输出图像中变换外部区域的填充值始终为0。
– 两种写法：fill=x; fill=(x,y,z)

返回
随机旋转后的图像
返回类型：PIL图像或Tenso

下图是随机随机旋转

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
degrees = 30
for i in range(30):
   transform = transforms.RandomRotation(degrees=degrees)
   imgt = transform(img)
   imgt.save('./data/random_rotation_' + str(i) + ".jpeg")

在这里插入图片描述
下图是可支持的三种过滤器模式：

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
degrees = 30
resamples = [0,2,3]
for i,resample in enumerate(resamples)
    transform = transforms.RandomRotation(degrees=degrees,
                                   resample=resample)
    imgt = transform(img)
    imgt.save('./data/random_rotation_r'+str(i)+'.jpeg')

在这里插入图片描述
下图c.可以看出为True的时候图像大小变大了。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
degrees = 45
expands = [True,False]
for i, expand in enumerate(expands):
    transform = transforms.RandomRotation(degrees=degrees, 
                         expand=expand)
    imgt = transform(img)
    imgt.save('./data/random_rotation_e'+str(i)+'.jpeg')

在这里插入图片描述
下图是是Center设置为（10,10）的时候，左边是expand为True，右边是expand为False。因为截的是缩略图，所以看起来都一样大，其实左边的图片每一张大小都不一样。而右边的每一张都和原图一样大。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
degrees = 45
expands = [True,False]
center = (10,10)
for j,expand in enumerate(expands):
    for i in range(9):
        transform = transforms.RandomRotation(degrees=degrees,
                          expand=expand, center=center)
        imgt = transform(img)
        imgt.save('./data/random_rotation_c' +str(j)+'_'+ str(i)+'.jpeg')

在这里插入图片描述
下图是fill填写不一样的值。左边fill=123,右边fill=(0,255,255)

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 图片大小是 256*256
degrees = 34.5
fills = [123,(0,255,255)]
center = (100,100)
for i, fill in enumerate(fills):
     transform = transforms.RandomRotation(degrees=degrees,
                          fill=fill,center=center)
     imgt = transform(img)
     imgt.save('./data/random_rotation_f'+str(i)+'.jpeg')

在这里插入图片描述

* 其他图像变换

1 重置大小：transforms.Resize

CLASS torchvision.transforms.Resize(size, interpolation=2)
重置给定图片的大小。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

size (sequence or int) ----所需的输出大小。如果size是一个类似（h，w）的序列，则输出大小将与此匹配。如果size为int，则图像的较小边将与该数字匹配。例如，如果height>width，则图像将被重新缩放为（size*height/width，size）。在torchscript模式下，由于不支持单个int填充，请使用长度为1的元组或列表：[size，]。
– 两种写法：size=s; size=(h,w)
interpolation (int) ---- 由 filters（过滤器）定义的所需插值枚举。
默认为PIL.Image.BILINEAR. （双线性插值）。如果输入是Tensor对象，仅支持PIL.Image.NEAREST, PIL.Image.BILINEAR 以及 PIL.Image.BICUBIC
– 取值0到5六个分别是（实验结果猜测的，以后有时间再研究这几个插值）：PIL.Image.NEAREST(0), PIL.Image.ANTIALIAS(1), PIL.Image.BILINEAR(2), PIL.Image.BICUBIC(3), PIL.Image.BOX(4), PIL.Image.HAMMING(5)

返回
重置大小后的图像
返回类型：PIL图像或Tenso

下图是重置大小

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/img.jpeg') # 原图大小695,391
sizes = [150,(150, 150)]
for i, size in enumerate(sizes):
    transform = transforms.Resize(size)
    imgt = transform(img)
    imgt.save('./data/resize_s'+str(i)+'.jpeg')

在这里插入图片描述
下图是重置大小的六种不同的插值

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/img.jpeg') # 原图大小695,391
size = (150, 150)
interpolations = [0,1,2,3,4,5]
for i, interpolation in enumerate(interpolations):
    transform = transforms.Resize(size=size, 
                      interpolation=interpolation)
    imgt = transform(img)
    imgt.save('./data/resize_i'+str(i)+'.jpeg')

在这里插入图片描述

2 (已弃用)重置大小：transforms.Scale

CLASS torchvision.transforms.Scale(*args, **kwargs)

-注意：此转换被弃用，取而代之的是Resize。

3 填充：transforms.Pad

CLASS torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')
用给定的填充值填充给定图像的边缘。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数。

参数

padding（int 或 sequence，可选）---- 图像每个边填充长度（单位是像素）。 默认值为“无”。如果提供了一个int，则用于填充所有边界。如果提供长度为2的元组，则分别在左/右和上/下填充。如果提供了长度为4的元组，则这是分别用于左边框、上边框、右边框和下边框的填充。在torchscript模式下，由于不支持单个int，请使用长度为1的元组或列表：[padding，]
– 也就是七种写法: padding=p; padding=(p,); padding=(p1,p2); padding=(p1,p2,p3,p4); padding=[p]; padding=[p1,p2]; padding=[p1,p2,p3,p4]
– 这里的p是指上下左右边界用fill的值填充p个像素的长度。
fill (int 或 tuple) ---- 常量填充的像素填充值。 默认值为0。如果一个元组的长度为3，则分别用于填充R、G、B通道。此值仅在填充模式为常量时使用.
– 也就是两种写法: fill=f; fill=(f1,f2,f3).
padding_mode (str) ---- 填充类型. 应为：constant常数、edge边、reflect反射或symmetric对称。默认值为常量。张量输入尚不支持模式对称。
- constant 常数，用常数值进行填充，这个常数值由fill指定。
- edge 边, 用图像最边缘的值进行填充。
- reflect 反射，用图像的反射进行填充（不重复最边缘的值）,例如，使用反射模型在[1, 2, 3, 4]的两边填充2个元素的结果为[3, 2, 1, 2, 3, 4, 3, 2]
- symmetric 对称，用图像的对称进行填充（重复最边缘的值），例如，使用对称模型在[1, 2, 3, 4]的两边填充2个元素的结果为[2, 1, 1, 2, 3, 4, 4, 3]
– 如果使用了edge，reflect，symmetric这三种模式，fill的值就会被无视
– 从结果上看reflect和symmetric这两种模式没有什么大的区别，不过我私以为这可能是设计上的问题，应该有一种模式是重复，而不是镜像方式。（不过也可能是我的实验有问题）
– 图像padding后的大小 < size时，选择pad_if_needed为True和自己padding图像得到的结果还是有区别的，没有去研究系统是怎么自动padding的。感兴趣的可以研究试一试。

返回
填充后的图像
返回类型：PIL图像或Tenso

padding参数

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
paddings = [50,(50,),(50, 100),(50, 100, 150, 200),
           [50], [50, 100], [50, 100, 150, 200]]
for i, padding in enumerate(paddings):
    transform = transforms.Pad(padding=padding)
    imgt = transform(img)
    imgt.save('./data/pad_' + str(i) + '.jpeg')

在这里插入图片描述

fill参数

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
padding = 50
fills = [255, (0,255,255)]
for i, fill in enumerate(fills):
    transform = transforms.Pad(padding=padding, fill=fill)
    imgt = transform(img)
    imgt.save('./data/pad_f' + str(i) + '.jpeg')

在这里插入图片描述

padding_mode参数

reflect 和 symmetric还是有点不同的，因为是缩略图所以看不出来。自己运行代码后，通过快速切换两张图片，在动态视觉上可以比较明显的看出不同。

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
padding = 256*2
fill = (255,0,255)
padding_modes = ["constant", "edge", "reflect", "symmetric"]
for i, padding_mode in enumerate(padding_modes):
    transform = transforms.Pad(padding=padding, fill=fill,padding_mode=padding_mode)
    imgt = transform(img)
    imgt.save('./data/pad_m' + str(i) + '.jpeg')

在这里插入图片描述

4 修改亮度、对比度、饱和度、色调：transforms.ColorJitter

CLASS torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
随机改变图像的亮度、对比度和饱和度。

参数

brightness(float or tuple of python:float (min, max)) ---- 亮度的偏差程度。亮度系数从[max(0,1-brightness),1+brightness]或给定的[min,max]中随机的选择某个值。应是非负数。
contrast(float or tuple of python:float (min, max)) ---- 对比度的偏差程度。。对比度系数从[max(0,1-contrast),1+contrast]或给定的[min,max]中随机的选择某个值。应是非负数。
saturation(float or tuple of python:float (min, max)) ---- 饱和的偏差程度。饱和系数从[max(0,1-saturation),1+saturation]或给定的[min,max]中随机的选择某个值。应是非负数。
hue(float or tuple of python:float (min, max)) ---- 色调的偏差程度。色调系数从[-hue,hue]或给定的[min,max]随机的选择某个值。应具有0<=hue<=0.5或-0.5<=min<=max<=0.5。

返回
色彩变换后的图像
返回类型：PIL图像或Tenso

brightness 亮度

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
transform = transforms.ColorJitter(brightness=2, 
                 contrast=0, saturation=0, hue=0)
for i in range(6):
    imgt = transform(img)
    imgt.save('./data/colorjitter_b'+str(i)+'.jpeg')

在这里插入图片描述

contrast 对比度

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
transform = transforms.ColorJitter(brightness=0, 
                  contrast=2, saturation=0, hue=0)
for i in range(6):
    imgt = transform(img)
    imgt.save('./data/colorjitter_c'+str(i)+'.jpeg')

在这里插入图片描述

saturation 饱和

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
transform = transforms.ColorJitter(brightness=0, 
                 contrast=0, saturation=2, hue=0)
for i in range(6):
    imgt = transform(img)
    imgt.save('./data/colorjitter_s'+str(i)+'.jpeg')

在这里插入图片描述

hue 色调

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg')
transform = transforms.ColorJitter(brightness=0, contrast=0, 
                    saturation=0, hue=0.5)
for i in range(6):
    imgt = transform(img)
    imgt.save('./data/colorjitter_h'+str(i)+'.jpeg')

在这里插入图片描述

5 仿射变换：transforms.RandomAffine

CLASS torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=0, fillcolor=0)
图像保持中心不变的随机仿射变换。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数.

参数

degrees (sequence or float or int) ---- 旋转，角度选择的范围。如果度数是一个数字而不是类似（min，max）的序列，则度数的范围是（-degrees，+degrees）。设置为0可禁用旋转。
translate (tuple, 可选项) ---- 平移，水平和垂直平移的最大绝对分数元组。例如translate=（a，b），a,b取值范围[0,1].则水平偏移在范围 - img_width * a<dx<img_width * a 范围内随机采样，垂直偏移在范围 - img_height * b<dy<img_height * b范围内随机采样。默认情况下不进行平移。
scale (tuple, 可选项) ---- 缩放，比例系数选择区间，例如（a，b）a<=b,且取值范围(0,正无穷），那么比例从a<=scale<=b的范围内随机抽样，默认情况下保持原始比例。
shear (sequence or float or int, optional) ---- 对角轴翻转的选择范围。如果“shear”是一个数字，则将进行与可与x轴平行的剪切的对角翻转，范围为（-shear，+shear）。如果shear”是一个2个值的元组或列表，则将进行与可与x轴平行的剪切的对角翻转，范围在（shear[0]，shear[1]）。如果剪切是一个4个值的元组或列表，则将在范围（shear[0]，shear[1]）进行x轴剪切以及在范围（shear[2]，shear[3]）进行y轴剪切的对角翻转。默认情况下不会应用的对角翻转。
resample (int, 可选项) ---- 重采样过滤器（可选项）。缩放时候采用的算法。更多过滤器的详细见链接。如果省略，或者图像具有模式“1”或“P”（这里不懂），则将其设置为PIL.Image.NEAREST.如果输入是Tensor对象，仅支持PIL.Image.NEAREST, PIL.Image.BILINEAR以及PIL.Image.BICUBIC。
–取值0到5六个分别是（实验结果猜测的，以后有时间再研究这几个插值）：PIL.Image.NEAREST(0), PIL.Image.ANTIALIAS(1), PIL.Image.BILINEAR(2), PIL.Image.BICUBIC(3), PIL.Image.BOX(4), PIL.Image.HAMMING(5)
fillcolor (tuple or int) ---- 变换图像输出中外部区域的可选填充颜色（RGB图像为元组，灰度为int）（Pillow>=5.0.0）。此输入不支持Tensor。输出的变换图像中外部区域的填充值始终为0。旋转，翻转，平移，缩小时候要填充的颜色

返回
仿射变换后的图像
返回类型：PIL图像或Tenso

旋转

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
degreeses = [0, 30, 400, (-30, 60)]  
for i, degrees in enumerate(degreeses):
    transform = transforms.RandomAffine(degrees)
    imgt = transform(img)
    imgt.save('./data/random_affine_d' + str(i) + '.jpg')

在这里插入图片描述

平移

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
degrees = 0
translates = [(0,0.5),(0.5,0),(1,1)]
for i, translate in enumerate(translates):
    transform = transforms.RandomAffine(degrees, translate=translate)
    imgt = transform(img)
    imgt.save('./data/random_affine_t' + str(i) + '.jpg')

在这里插入图片描述

缩放

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
degrees = 0
scales = [(0.1,0.2),(1,100),(1,1)]
for i, scale in enumerate(scales):
    transform = transforms.RandomAffine(degrees, scale=scale)
    imgt = transform(img)
    imgt.save('./data/random_affine_sc' + str(i) + '.jpg')

在这里插入图片描述

翻转

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
degrees = 0
shears = [30,[-30,30],[0,10,20,30]] 
for i, shear in enumerate(shears):
    transform = transforms.RandomAffine(degrees, shear=shear)
    imgt = transform(img)
    imgt.save('./data/random_affine_sh' + str(i) + '.jpg')

在这里插入图片描述

重采样过滤器方式

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
degrees = 0
scale=(3,3)
resamples = [0,2,3]
for i, resample in enumerate(resamples):
    transform = transforms.RandomAffine(degrees,scale=scale, 
                        resample=resample)
    imgt = transform(img)
    imgt.save('./data/random_affine_r' + str(i) + '.jpg')

在这里插入图片描述

填充颜色

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
degrees = 0
translate=(0.5,0.5)
fillcolors = [122,(0,234,121)]
for i, fillcolor in enumerate(fillcolors):
    transform = transforms.RandomAffine(degrees,
                  translate=translate, fillcolor=fillcolor)
    imgt = transform(img)
    imgt.save('./data/random_affine_f' + str(i) + '.jpg')
degrees = 0 
scale=(0.5,0.5)
fillcolors = [122,(0,234,121)]
for i, fillcolor in enumerate(fillcolors):
    transform = transforms.RandomAffine(degrees,scale=scale, 
                   fillcolor=fillcolor)
    imgt = transform(img)
    imgt.save('./data/random_affine_f' + str(i+2) + '.jpg')

在这里插入图片描述

6 转灰度图：transforms.Grayscale

CLASS torchvision.transforms.Grayscale(num_output_channels=1)
把图像转成灰度图。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，3，H，W]形状，其中…表示任意数量的前导维数

参数

num_output_channels (int) ----（1或3）输出图像所需的通道数

返回
输入的灰度版本。

如果num_output_channels==1：返回的图像为单通道
如果num_output_channels==3：返回的图像是3个通道，r == g == b

返回类型：PIL图像或Tensor

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
num_output_channelses =[1,3]
for i, num_output_channels in enumerate(num_output_channelses):
    transform = transforms.Grayscale(num_output_channels)
    imgt = transform(img)
    imgt.save('./data/grayscale_' + str(i) + '.jpg')

在这里插入图片描述

7 依概率p转为灰度图：transforms.RandomGrayscale

CLASS torchvision.transforms.RandomGrayscale(p=0.1)
以概率为p（默认值为0.1），随机将图像转换为灰度。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，3，H，W]形状，其中…表示任意数量的前导维数.

参数

p (float) ---- 图像应转换为灰度的概率。

返回
概率为p，输入图像的灰度版本，概率（1-p）不变。

如果输入图像为1通道，灰度版本为1通道。
如果输入图像为3通道，灰度版本为3通道，r == g == b

返回类型：PIL图像或Tensor

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
for i in range(6):
    transform = transforms.RandomGrayscale(p=0.5)
    imgt = transform(img)
    imgt.save('./data/random_grayscale_' + str(i) + '.jpg')

在这里插入图片描述

8 随机透视变换：transforms.RandomPerspective

CLASS torchvision.transforms.RandomPerspective(distortion_scale=0.5, p=0.5, interpolation=2, fill=0)
以给定的概率对给定图像执行随机透视变换。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，H，W]形状，其中…表示任意数量的前导维数.

参数

distortion_scale (float) ---- 控制失真程度的参数，范围从0到1。默认值为0.5。
p(float) ---- 图像被变换的概率。默认值为0.5。
interpolation (int) ---- 由 filters（过滤器）定义的所需插值枚举。
默认为PIL.Image.BILINEAR. （双线性插值）。如果输入是Tensor对象，仅支持PIL.Image.NEAREST, PIL.Image.BILINEAR 以及 PIL.Image.BICUBIC
fill (n-tuple or int or float) ---- 旋转图像外部区域的像素填充值。如果是int或float，则该值用于所有外部区域。默认填充值为0。此选项仅适用于Pillow>=5.2.0. Tensor输入不支持此选项。因此Tensor输出图像中变换外部区域的填充值始终为0。

返回
随机变换的图像
返回类型：PIL图像或Tenso

默认值

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
for i in range(6):
    transform = transforms.RandomPerspective(distortion_scale=0.5, p=0.5, 
                interpolation=2, fill=0)
    imgt = transform(img)
    imgt.save('./data/random_perspective' + str(i) + '.jpg')

在这里插入图片描述

不同的插值方式

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
interpolations = [0,2,3]
for i,interpolation in enumerate(interpolations):
    transform = transforms.RandomPerspective(distortion_scale=0.5, p=1, 
                interpolation=interpolation, fill=0)
    imgt = transform(img)
    imgt.save('./data/random_perspective_i' + str(i) + '.jpg')

在这里插入图片描述

9 随机高斯模糊：transforms.GaussianBlur

CLASS torchvision.transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0))
使用随机选择的高斯模糊模糊模糊图像。图像可以是PIL图像或Tensor，在这种情况下，它应该具有[…，C，H，W]形状，其中…表示任意数量的前导维数.

参数

kernel_size (int or sequence) ---- 高斯核的大小。
sigma(float or tuple of python:float (min, max)) ---- 用于创建内核以执行模糊处理的标准偏差。如果是一个float，sigma是固定的。如果它是float的元组 (min, max)，sigma随机地均匀地在给定的范围内选择。

返回
输入图像的高斯模糊版本。
返回类型：PIL图像或Tenso

高斯核的大小

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
kernel_sizes = [1,3,5,7,9,11]
for i, size in enumerate(kernel_sizes):
    transform = transforms.GaussianBlur(kernel_size=size,
                   sigma=(10.0, 10.0))
    imgt = transform(img)
    imgt.save('./data/gaussian_blur_' + str(i) + '.jpg')

在这里插入图片描述

sigma

import torchvision.transforms as transforms
from PIL import Image
img = Image.open('./data/timg.jpeg') # 原图大小256*256
for i in range(6):
    transform = transforms.GaussianBlur(kernel_size=11, 
                           sigma=(0.1, 10.0))
    imgt = transform(img)
    imgt.save('./data/gaussian_blur_s' + str(i) + '.jpg')

在这里插入图片描述

三、只针对PIL图像的变换

1 随机选择：transforms.RandomChoice

CLASS torchvision.transforms.RandomChoice(transforms)
从列表中随机选取的单个变换进行应用。此转换不支持torchscript.

3 随机顺序：transforms.RandomOrder

CLASS torchvision.transforms.RandomOrder(transforms)
以随机顺序应用变换列表。此转换不支持torchscript。

四、只针对torch.*Tensor的变换

1 线性变换：transforms.LinearTransformation

CLASS torchvision.transforms.LinearTransformation(transformation_matrix, mean_vector)
用平方变换矩阵和均值向量变换tensor图像。给定变换矩阵和平均向量，将使torch.*Tensor变平并从中减去平均向量，然后用转换矩阵计算点积，然后将tensor重塑为其原始形状。

参数

transformation_matrix (Tensor) – tensor [D x D], D = C x H x W
mean_vector (Tensor) – tensor [D], D = C x H x W

返回
变换后的图像。
返回类型：Tensor

应用
白化变换：假设X是列向量零中心数据。然后用torch.mm(X.t(), X)，计算数据的阵协方差矩阵 [D x D]，再计算该矩阵的SVD ，并将其作为转换矩阵传递。

2 标准化：transforms.Normalize

CLASS torchvision.transforms.Normalize(mean, std, inplace=False)
用均值和标准差归一化张量图像。给定n个通道的平均值：（mean[1]，…，mean[n]）和std(标准差):（std[1]，…，std[n]），此转换将规范化torch.*Tensor的每个通道的输入。即，output[channel] = (input[channel] - mean[channel]) / std[channel]

参数

mean (sequence) ---- 每个通道的平均值。
std (sequence) ---- 每个通道的标准差。
inplace (bool,optional) — 是否覆盖原图片

返回
标准化后的图像。
返回类型：Tensor

*如果有自己的数据集，如何计算mean以及std,可以见脚本：normalize.py compute_mean_std方法。注意的是opencv 读图的顺序BGR; PIL读图的顺序是RGB。
下图是标准化前后的对比图
在这里插入图片描述

下图是inplace取不同的值的图片，可以看出inplace为true替换的是输入图片。如果是false，输入图片不会替换。
输出图片不管是true还false都会改变。
在这里插入图片描述

标准化是通过特征的平均值和标准差，将特征缩放成一个标准的正态分布，缩放后均值为0，方差为1

3 随机区域擦除：transforms.RandomErasing`

CLASS torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)

随机选择图像中的矩形区域并删除其像素。Zhong等人的“随机擦除数据扩充”，见网址：https://arxiv.org/abs/1708.04896

参数

p ---- 执行随机擦除操作的概率。
scale ---- 擦除区域相对于输入图像的比例范围。
ratio — 擦除区域的纵横比范围。
value---- 删除值。默认值为0。如果是一个整型，它将被用来清除所有像素。如果是长度为3的元组，则分别用于擦除R、G、B通道。如果“random”的str，则用每个像素用随机值擦除。
inplace — 布尔值是否替换原图。默认设置为False。

返回
擦除后的图像。
返回类型：Tensor

transform = transforms.Compose([
	transforms.RandomHorizontalFlip(),
	transforms.ToTensor(),
	transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
	transforms.RandomErasing(),
 ])

4 转换数据类型：transforms.ConvertImageDtype

CLASS torchvision.transforms.ConvertImageDtype(dtype: torch.dtype)
将tensor图像转换为给定的数据类型并相应地缩放值。

参数

dtype(torch.dpython:type) ---- 输出的所需数据类型。

从较小的整数数据类型转换为较大的整数数据类型时，最大值不会精确映射。如果来回转换，此不匹配将不起作用。

RuntimeError–尝试强制将torch.float32转换至torch.int32或者torch.int64以及试图将torch.float64转换成torch.int64. 这些转换可能会导致溢出错误，因为浮点数据类型无法在整数数据类型的整个范围内连续存储。

五、数据类型转换变换

1 将数据转换为PILImage：transforms.ToPILImage

CLASS torchvision.transforms.ToPILImage(mode=None)
将 tensor或ndarray转换为PIL图像。此转换不支持torchscript。
将形状C x H x W的 torch.*Tensor 或形状H x W x C的numpy ndarray转换为PIL图像，同时保留值范围。

参数

mode (PIL.Image mode) ---- 输入数据的颜色空间和像素深度（可选）。如果mode为None（默认），则对输入数据进行一些假设：-如果输入有4个通道，则假定模式为RGBA。-如果输入有3个通道，则假定模式为RGB。-如果输入有2个通道，则假定模式为LA。-如果输入有1个通道，则模式由数据类型（即int、float、short）决定。

2 将数据转为tensor：transforms.ToTensor

CLASS torchvision.transforms.ToTensor
将PIL图片或者numpy.ndarray转成tensor。这个转换操作不支持torchscript。

如果PIL图片属于模式 (L, LA, P, I, F, RGB, YCbCr, RGBA, CMYK, 1)之一，或者如果numpy.ndarray的dtype = np.uint8，那么PIL或者numpy.ndarray在范围[0, 255]的 (H x W x C)将转换为[0.0, 1.0]范围的 (C x H x W)形状的torch.FloatTensor。
在其他情况下，张量返回时不会缩放。

如果用opencv读图后，转成了tensor后, 再转回来保存的时候，需要转成numpy格式，然后放大255倍，再用转置改变形状的顺序才可以保存。
如果用PIL也要注意顺序问题。

注意形状顺序和通道顺序是有区别的。ToTensor是做归一化且改变了形状顺序。

六、通用变换

1 Lambda函数：transforms.Lambda

CLASS torchvision.transforms.Lambda(lambd)
应用用户定义的lambda作为转换。此转换不支持torchscript。

参数

lambd (function) ---- 要用于转换的Lambda/函数。

2 随机应用变换：transforms.RandomApply

CLASS torchvision.transforms.RandomApply(transforms, p=0.5)
给定概率下随机应用变换列表。

参数

transforms (list or tuple or torch.nn.Module) ---- 转换的列表。
p(float) ---- 概率。

为了编写转换脚本，请使用torch.nn.ModuleList作为输入，而不是转换的列表/元组，如下所示：

transforms = transforms.RandomApply(torch.nn.ModuleList([
    transforms.ColorJitter(),]), p=0.3)
scripted_transforms = torch.jit.script(transforms)

确保只使用可编写脚本的转换，即torch.Tensor，不需要lambda函数或PIL.Image

七、变换函数

略，有时间再补吧

阿巫兮兮

关注

36
点赞
踩
96

收藏

觉得还不错? 一键收藏
8
评论
TORCHVISION.TRANSFORMS的图像预处理

`torchvision.transforms的图像变换函数使用说明，以及使用实例图
复制链接

扫一扫

专栏目录

TORCHVISION.TRANSFORMS的图像预处理

TORCHVISION.TRANSFORMS

一、变换的组合

1 变换的组合：transforms.Compose

二、PIL图象与torch.*Tensor的都可以变换

* 裁剪–Crop

1 中心裁剪：transforms.CenterCrop

2 填充后随机裁剪：transforms.RandomCrop

3 (已弃用)缩放后随机裁剪： transforms.RandomSizedCrop

4 缩放后随机裁剪： transforms.RandomResizedCrop

5 五张裁剪：transforms.FiveCrop

6 十张裁剪: transforms.TenCrop

* 翻转和旋转 – Flip and Rotation

1 依概率p水平翻转transforms.RandomHorizontalFlip

2 依概率p垂直翻转transforms.RandomVerticalFlip

3 随机旋转：transforms.RandomRotation

* 其他图像变换

1 重置大小：transforms.Resize

2 (已弃用)重置大小：transforms.Scale

3 填充：transforms.Pad

4 修改亮度、对比度、饱和度、色调：transforms.ColorJitter

5 仿射变换：transforms.RandomAffine

6 转灰度图：transforms.Grayscale

7 依概率p转为灰度图：transforms.RandomGrayscale

8 随机透视变换：transforms.RandomPerspective

9 随机高斯模糊：transforms.GaussianBlur

三、只针对PIL图像的变换

1 随机选择：transforms.RandomChoice

3 随机顺序：transforms.RandomOrder

四、只针对torch.*Tensor的变换

1 线性变换：transforms.LinearTransformation

2 标准化：transforms.Normalize

3 随机区域擦除：transforms.RandomErasing`

4 转换数据类型：transforms.ConvertImageDtype

五、数据类型转换变换

1 将数据转换为PILImage：transforms.ToPILImage

2 将数据转为tensor：transforms.ToTensor

六、通用变换

1 Lambda函数：transforms.Lambda

2 随机应用变换：transforms.RandomApply

七、变换函数

“相关推荐”对你有帮助么？