Transforms简单应用

已于 2023-04-23 21:02:32 修改
阅读量708 收藏 1
点赞数 1
分类专栏： pytorch 文章标签： 人工智能 深度学习 计算机视觉
于 2023-04-23 20:58:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73599738/article/details/130326584
版权

transform库是一个对图片进行预处理的库，在训练的时候被广泛和频繁使用，下面是一些很常见的包。

导入Transforms库：

from torchvision import transforms

ToTensor类：

transforms库内有一个类：ToTensor。你可以把它理解为是一个工具，作用是将PIL数据类型和ndarray数据类型转换为tensor数据类型，方便将来的对图片的统一操作。

使用时，首先给ToTensor实例化一个对象，然后再把图片作为参数进行操作。

from PIL import Image
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2
writer = SummaryWriter("log_of_normal")

#   Totensor    将ndarray或者PIL转换为tensor数据类型

img2_PIL = Image.open("dataset of mine/assignment1/train/bees_image/39747887_42df2855ee.jpg")

#   用PIL库内的Image包，使用open可以打开一个PIL类型的图片

trans_totensor = transforms.ToTensor()

#   transform的ToTensor方法可以生成一个ToTensor对象，然后将ndarray类型或者PIL类型的图片作为参数，就可以转换成tensor类型的图片

img2_tensor = trans_totensor(img2_PIL)
writer.add_image("tensor", img2_tensor, 0)

#   将ndarray转换为tensor

img1_cv = cv2.imread("dataset of mine/assignment1/train/bees_image/196430254_46bd129ae7.jpg")

img1_tensor = trans_totensor(img1_cv)
writer.add_image("tensor", img1_tensor, 1)

writer.close()

Normalize类——归一化处理：

为什么用Normalize这个类？

众所周知，彩色图片有三个通道，RGB的值落在[0, 255]之间，但是在加载图片的时候就自动转换成了[0, 1]，比如说Totensor就有这个作用，将每个RGB值都除255。Normalize就是将每个像素的每个通道值整理到[-1,1]的区间内，称为归一化。

归一化后的数据可以加快神经网络模型的收敛速度，也就是加快模型的训练速度。

需要两个参数，都是列表，第一个参数是三个均值，分别是RGB值的均值，第二个参数是三个方差，分别是RGB值的方差。比如，对于红色R，均值mean就是将所有像素的R值求均而得到，方差std就是将所有像素的R值求方差得到。

归一化，是用Normalize参数设置成([0.5， 0.5， 0.5]， [0.5， 0.5， 0.5])。于是像素的RGB值就都落在[-1, 1]了。

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2
writer = SummaryWriter("log_of_normal")

#   Normalize   将图片归一化处理

img1_cv = cv2.imread("dataset of mine/assignment1/train/bees_image/196430254_46bd129ae7.jpg")
img1_tensor = trans_totensor(img1_cv)
print(img1_tensor[0][0][7])

#   打印第一行第七列像素的R值

trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])

#   用Normalize生成一个对象，作为工具进行实际的归一化操作。参数是两个列表，第一个列表是三通道的均值mean，第二个列表是三通道的方差std

#   output = (input - mean) / std

img1_tensor_norm = trans_norm(img1_tensor)
print(img1_tensor_norm[0][0][7])
writer.add_image("normal", img1_tensor_norm, 0)
writer.close()

Resize类：

功能是修改图片的高和宽。它不仅可以修改PIL类型，还可以修改tensor类型，但是修改ndarray类型就会报错（我也不知道为什么它偏偏不支持这个类型）

参数通常是一个元组或者是一个数。如果是元组，那么就是将原图片的高和宽修改成指定的高和宽。如果只是一个数，那么就是将高或者宽比较小的那个设置成这个int值。

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2
writer = SummaryWriter("log_of_normal")

#   Resize
img1_cv = cv2.imread("dataset of mine/assignment1/train/bees_image/196430254_46bd129ae7.jpg")
img1_tensor = trans_totensor(img1_cv)
print(img1_tensor.shape)

#   用shape查看tensor类型的形状

trans_resize = transforms.Resize((512, 512))

#   生成一个Resize对象，作为工具。参数是一个元组，是被修改后的图片的高和宽
#   img PIL -> resize -> img_resize PIL

img2_PIL_resize = trans_resize(img2_PIL)
print(img2_PIL_resize.size)

#用size查看PIL类型的形状
#   img PIL -> totensor -> img_resize tensor

img2_tensor_resize = trans_totensor(img2_PIL_resize)
print(img2_tensor_resize.shape)
writer.add_image("Resize", img2_tensor_resize, 0)
writer.close()

Compose类：

Compose类实际上提供了一种渠道，将方法都聚集起来使用。使得totensor和其他方法的功能一步到位。

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2
writer = SummaryWriter("log_of_normal")
from PIL import Image

#   Compose方法，形象比喻成工具包

trans_resize_2 = transforms.Resize(512)

#   Resize 参数两个，说明高度和宽度就是我们所指定的大小，如果参数是一个，那么就是将图片最小的边更新为指定值
#   PIL -> resize -> PIL -> compose -> tensor

trans_compose = transforms.Compose([trans_resize_2, trans_totensor])

#   这个compose相当于是一个方法的顺序组合，列表里面放的都是方法，前一个的输出会当成后一个的输入进行，可以说是一种减少代码的方式
#   注意，compose方法里面的totensor方法只允许转换PIL图片，不允许ndarray作为被转换对象

img2_PIL = Image.open("dataset of mine/assignment1/train/bees_image/39747887_42df2855ee.jpg")
img2_tensor_resize_2 = trans_compose(img2_PIL)
writer.add_image("Resize", img2_tensor_resize_2, 1)
writer.close()

注意，totensor用在compose里面时只能将PIL类型转换为tensor类型，不能将ndarray类型转换为tensor类型。

RandomCrop类：

将会随机按指定的大小裁剪图片。

参数一般只有一个，要么是一个元组，为裁出来的长方形图片的大小，要么是一个int，为裁出来的正方形图片大小。

一般RandomCrop并不会就地修改原图片，所以它其实可以作为数据量的来源，起到补充数据量的作用。

from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2
from PIL import Image
writer = SummaryWriter("log_of_normal")

#   RandomCrop

trans_random = transforms.RandomCrop((512, 312))

#   RandomCrop只有一个参数，那么将会随机裁剪图片某个正方形区域，否则将随机裁剪一个矩形区域，裁剪超出范围会报错
#   随机裁剪，增加数据量
#   依然是生成一个对象作为实际操作工具，而不是拿类来操作

trans_compose_2 = transforms.Compose([trans_random, trans_totensor])
img2_PIL = Image.open("dataset of mine/assignment1/train/bees_image/39747887_42df2855ee.jpg")
img2_PIL_resize = trans_resize(img2_PIL)
for i in range(10):
    img2_tensor_resize_crop = trans_compose_2(img2_PIL_resize)
    writer.add_image("RandomCrop", img2_tensor_resize_crop, i)
writer.close()

这里就体现了Compose所说的，compose参数里的totensor这时候只能转换PIL类型为tensor类型，不能转ndarray为tensor类型。

总代码：

from PIL import Image
from torchvision import transforms
from torch.utils.tensorboard import SummaryWriter
import cv2
import numpy as np

#   使用SummaryWriter
writer = SummaryWriter("log_of_normal")
#   使用SummaryWriter创建一个运行日志
for i in range(100):
    writer.add_scalar("y = x**2", i*i, i)
#   使用add_scalar创建一条曲线

#   cv2读取图片，类型为nparray
img1_cv = cv2.imread("dataset of mine/assignment1/train/bees_image/196430254_46bd129ae7.jpg")
#   用cv2打开一个nparray类型的文件，需要以图片的相对地址或者绝对地址作为参数
writer.add_image("array", img1_cv, 0, dataformats="HWC")
#   add_image方法接收tensor或者nparray数据类型

#   Totensor    将nparray或者PIL转换为tensor数据类型
img2_PIL = Image.open("dataset of mine/assignment1/train/bees_image/39747887_42df2855ee.jpg")
#   用PIL库内的Image包，使用open可以打开一个PIL类型的图片
trans_totensor = transforms.ToTensor()
#   transform的ToTensor方法可以生成一个ToTensor对象，然后将ndarray类型或者PIL类型的图片作为参数，就可以转换成tensor类型的图片
img2_tensor = trans_totensor(img2_PIL)
writer.add_image("tensor", img2_tensor, 0)
#   将ndarray转换为tensor
img1_tensor = trans_totensor(img1_cv)
writer.add_image("tensor", img1_tensor, 1)

#   Normalize   将图片归一化处理
print(img1_tensor[0][0][7])
#   打印第一行第七列像素的R值
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
#   用Normalize生成一个对象，作为工具进行实际的归一化操作。参数是两个列表，第一个列表是三通道的均值mean，第二个列表是三通道的方差std
#   output = (input - mean) / std
img1_tensor_norm = trans_norm(img1_tensor)
print(img1_tensor_norm[0][0][7])
writer.add_image("normal", img1_tensor_norm, 0)

#   Resize + totensor
print(img1_tensor.shape)
#   用shape查看tensor类型的形状
trans_resize = transforms.Resize((512, 512))
#   生成一个Resize对象，作为工具。参数是一个元组，是被修改后的图片的高和宽
#   img PIL -> resize -> img_resize PIL
img2_PIL_resize = trans_resize(img2_PIL)
print(img2_PIL_resize.size)
#   img PIL -> totensor -> img_resize tensor
img2_tensor_resize = trans_totensor(img2_PIL_resize)
print(img2_tensor_resize.shape)
writer.add_image("Resize", img2_tensor_resize, 0)

#   Compose方法，形象比喻成工具包
trans_resize_2 = transforms.Resize(512)
#   Resize 参数两个，说明高度和宽度就是我们所指定的大小，如果参数是一个，那么就是将图片最小的边更新为指定值
#   PIL -> resize -> PIL -> compose -> tensor
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
#   这个compose相当于是一个方法的顺序组合，列表里面放的都是方法，前一个的输出会当成后一个的输入进行，可以说是一种减少代码的方式
#   注意，compose方法里面的totensor方法只允许转换PIL图片，不允许ndarray作为被转换对象
img2_tensor_resize_2 = trans_compose(img2_PIL)
writer.add_image("Resize", img2_tensor_resize_2, 1)

#   RandomCrop
trans_random = transforms.RandomCrop((512, 312))
#   RandomCrop只有一个参数，那么将会随机裁剪图片某个正方形区域，否则将随机裁剪一个矩形区域，裁剪超出范围会报错
#   随机裁剪，增加数据量
#   依然是生成一个对象作为实际操作工具，而不是拿类来操作
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])
for i in range(10):
    img2_tensor_resize_crop = trans_compose_2(img2_PIL_resize)
    writer.add_image("RandomCrop", img2_tensor_resize_crop, i)
writer.close()
#   最后必须关闭日志

学到这里不容易，祝你学习快乐~

Alex·Fall
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
transforms3d-0.4.tar.gz
04-25
总的来说，Transforms3d库是Python中实现三维几何变换的重要工具，其丰富的功能和易用性使得它在各种领域都得到了广泛应用。通过深入理解和熟练使用这个库，开发者能够轻松地处理复杂的三维空间问题。
transforms.zip
08-09
在创建`Dataset`实例时，我们通常会定义一系列`transforms`操作，然后在加载每个样本时应用这些操作。例如： ```python import torchvision.transforms as transforms from torchvision.datasets import MNIST ...
Transforms的使用
2301_79877516的博客
04-24 158
转换为此类型的原因是：tensor类型数据可以理解为包装了一些反向神经网络的理论基础所需要的参数，因此在反向神经网络中需要把PIL数据类型和numpy数据类型转化为tensor类型，然后对其进行一个训练，所以需要用到tensor数据类型。它包含了一系列用于图像或数据的格式变换、裁剪、缩放、旋转等操作的方法，对于深度学习项目来说非常有用。二、用法：把特定格式的图片用Transforms类包含的方法改变，最常用的是将PIL照片类型和numpy照片类型转化为tensor照片类型。
深度学习（三）——Transforms的使用
2401_85325519的博客
06-13 919
通过transforms.ToTensor去说明两个问题：第一，transforms该如何使用；第二，Tensor数据类型相较于普通数据类型有什么区别，为什么需要tensor这个数据类型。关注函数的输入、输出的数据类型多看官方文档，比网上文档准确得多关注方法需要什么参数。关注每个函数的__init__，比如，一般情况下，需要输入的参数为\(padding\)，其他参数使用默认值即可。这时候还需要了解一下\(padding\)的作用及输入的数据类型。
Pytorch学习笔记——Transforms的使用
weixin_50765519的博客
05-03 418
在PyTorch中，Transforms是一个用于图像处理的工具包，它是torchvision模块下的一个类的集合。这些类提供了丰富的功能，可以对图像或数据进行格式变换、裁剪、缩放、旋转等操作。在进行深度学习项目时，特别是在图像处理任务中，Transforms的使用非常广泛。下面结合着小土堆pytorch的课程和自己的理解，进行一些实际使用。
Pytorch中transforms.Resize()的简单使用方法
AI_dataloads的博客
10-09 5173
transforms.Resize() 是 PyTorch 中的图像处理函数之一，用于调整图像的大小。该函数可以用于将输入图像调整为指定的大小或按照指定的缩放因子进行调整。
PytorchVideo Transforms 详解
清欢
07-10 3076
文章目录0. 前言1. Mix 操作2. 普通操作2.1 Norm 与其他2.2 Sample Strategy2.3 Resize & Crop3. “高端”数据增强4. create_video_transform 0. 前言 看到 PytorchVideo 中有 RandAugment 以及 AugMix，我有心把这些引入 MMAction2。 在写代码之前，先详细了解下 PyTorchVideo Transforms 的细节。 PytorchVideo Transforms 主要可分为
【MindSpore】安装和使用MindSpore 2.0.0版本简单实现数据变换Transforms功能
小5聊的博客
02-25 1714
本篇文章主要是讲讲MindSpore的安装以及根据官方提供的例子实现数据变换功能。 昇思MindSpore是一款开源的AI框架，旨在实现易开发、高效执行、全场景覆盖三大目标。
MindSpore 数据变换Transforms
murongmeng的博客
02-26 233
mindspore数据变换Transforms
torchvision.transforms 常用方法解析（含图例代码以及参数解释）
weixin_42426841的博客
04-01 4344
torchvision.transforms 常用方法解析（含图例代码以及参数解释）
React应用架构设计
huangshulang1234的博客
01-15 4144
React应用架构设计 前言 现在已经有很多脚手架工具，如create-react-app（https://github.com/facebookincubator/create-react-app），支持一键创建一个React应用项目结构，很方便，但是享受方便的同时，也失去了对项目架构及技术栈完整学习的机会，而且通常脚手架创建的应用技术架构并不能完全满足我们的业务需求
Pytorch-TORCHVISION.TRANSFORMS(transforms模块)索引
peacefairy的博客
10-16 1010
TORCHVISION.TRANSFORMS简介1、Transforms on PIL Image（对PIL图像进行处理）1-1：torchvision.transforms.CenterCrop(size)1-2:torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)1-3：torchvision.transforms.FiveCrop(size)1-4：torchvision.transforms
Fast Fourier Transforms
12-06
### 快速傅立叶变换（Fast Fourier Transforms） #### 概述 快速傅立叶变换（Fast Fourier Transform, FFT）是一种高效的算法，用于计算离散傅立叶变换（Discrete Fourier Transform, DFT），在工程与计算机科学...
radon_transforms_radon_transforms_Radon_Radon变换_拉东反变换_拉东变换_
10-01
总结来说，拉东变换是一种强大的数学工具，它通过将高维数据转换为低维表示，使得复杂问题的分析变得简单。在医学成像、图像处理和信号处理等多个领域都有着广泛且深远的影响。通过对拉东变换的理解和应用，我们可以...
Fourier Transforms and FFT algorithm
04-23
傅立叶变换利用了复指数函数（即正弦和余弦函数）作为其基函数，可以视为对信号进行了一种特殊的“分解”，即将复杂的波形分解为一系列不同频率的简单波形的叠加。 ### 快速傅立叶变换（FFT）算法 当处理离散信号...
【自然语言处理】概论（一）：自然语言处理概要
古月居
07-25 668
语言：语言就广义而言，是采用一套具有共同处理规则来进行表达的沟通指令，指令会以视觉、声音或者触觉等方式来传递。可以分为:自然语言、动物语言、计算机语言。。。自然语言人类在发展过程中形成的一种信息交流方式，包括口语和书面语，反映人类的思想。它自然地随文化演化，是人类用来沟通的指令，可以通过视觉、声音或触觉等方式传递。定义：自然语言处理是计算机科学和人工智能的一个分支，它旨在开发能够理解和生成人类语言的技术。通过建立形式化计算模型来分析、理解和生成自然语言的学科。
2024钉钉杯A题思路详解
最新发布
全栈川川
07-26 1631
2024钉钉杯思路
常见的文心一言的指令
知码客
07-25 1266
文心一言，作为百度研发的预训练语言模型“ERNIE 3.0”的一项功能，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。
transforms.Compose
05-02
`transforms.Compose` 是 PyTorch 中的一个函数，用于将多个数据预处理步骤组合成一个变换（transformation），从而构建一个数据转换管道。它接受一个由多个变换组成的列表，然后将这些变换按照顺序依次应用到数据上，最终返回处理后的数据。这个功能非常有用，因为在深度学习中，通常需要对原始数据进行多种不同的预处理操作，如随机裁剪、缩放、标准化等，而将这些操作组合在一起可以帮助我们更方便地对数据进行处理。下面是一个简单的示例： ``` from torchvision import transforms # 定义一个变换列表 transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 使用变换列表对数据进行预处理 img = Image.open('example.jpg') img = transform(img) ``` 在这个示例中，我们首先定义了一个由三个变换组成的列表，分别是 `Resize`、`ToTensor` 和 `Normalize`。然后我们将这个列表传递给 `Compose` 函数，得到一个新的变换 `transform`。最后，我们使用 `transform` 对一张图片进行了预处理操作，首先将其缩放到 $224 \times 224$ 的大小，然后将其转换为张量，并对其进行了标准化处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值