Pytorch之图像预处理transforms(常用操作汇总)

数据增强(Data Augmentation)

数据增强又称为数据增广,数据扩增，它是对训练集进行变换，使训练集更
丰富，从而让模型更具泛化能力，在pytorch中我们使用transforms这一工具包对图像数据进行增强

torchvision计算机视觉工具包

• 该工具包主要包含以下三种常用的类
  torchvision.transforms :常用的图像预处理方法
  torchvision.datasets :常用数据集的dataset实现，MNIST, CIFAR-10, ImageNet等
  torchvision.model :常用的模型预训练，AlexNet, VGG, ResNet, GoogLeNet等

• 本文主要对第一种类torchvision.transforms进行介绍

torchvision.transforms :常用的图像预处理方法

数据中心化
数据标准化
缩放
裁剪
旋转
翻转
填充
噪声添加
灰度变换
线性变换
仿射变换
亮度、饱和度及对比度变换

下面介绍几种常用的transforms方法，以后遇到会再补充

transforms.Compose (transforms)

功能：将多个变换方式逐步实现。
例：transforms.Compose(transforms.ToTensor(), transforms.Normalize())

1.图像裁切(Crop)

transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode=‘constant’)

功能:从图片中随机裁剪出尺寸为size的图片

• size :所需裁剪图片尺寸
• padding :设置填充大小
  当为a时，上下左右均填充a个像素
  当为(a, b)时，上下填充b个像素，左右填充a个像素
  当为(a,b,C,d)时，左，上，右，下分别填充a，b,C,d
• pad_ if_ need :若图像小于设定size,则填充
• padding_mode :填充模式，有4中模式
  1、constant :像素值由fill设定
  2、edge:像素值由图像边缘像素决定
  3、reflect :镜像填充，最后一个像素不镜像，eg : [1,2,3,4] → [3,2,1,2,3,4,3,2]
  4、symmetric :镜像填充，最后一个像素镜像，eg : [1,2,3,4] → [2,1,1,2,3,4,4,3]
• fill constant时， 设置填充的像素值

transforms.CenterCrop(size)

功能：从图像中心裁剪图片

• size：所需裁剪图片尺寸

transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(3/4, 4/3), interpolation)

功能:随机大小、长宽比裁剪图片

• size:所需裁剪图片尺寸
• scale:随机裁剪面积比例，默认(0.08，1)
• ratio:随机长宽比，默认(3/4， 4/3)
• interpolation:插值方法
  PIL. Image. NEAREST
  PIL. Image. BILINEAR
  PIL. /mage. BICUBIC

transforms.FiveCrop(size)

功能:在图像的上下左右以及中心裁剪出尺寸为size的5张图片

• size:所需裁剪图片尺寸

transforms.TenCrop(size,vertical_ flip=False)

功能:在图像的上下左右以及中心裁剪出尺寸为size的5张图片，TenCrop对这5张图片进行水平或者垂直镜像获得10张图片

• size:所需裁剪图片尺寸
• vertical_ flip: 是否垂直翻转

2.图片翻转、旋转(Flip, Rotation)