torchvision.transforms的图像增强

import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.ToPILImage(),
    transforms.RandomResizedCrop(512, scale=(0.8, 1.0)),  # 随机裁剪和缩放图像
    transforms.RandomHorizontalFlip(),  # 随机水平翻转
    transforms.RandomVerticalFlip(),  # 随机垂直翻转
    transforms.RandomRotation(45),  # 随机旋转
    transforms.ColorJitter(brightness=0.4, contrast=0.4, saturation=0.4, hue=0.1),  # 颜色抖动
    transforms.RandomAffine(degrees=0, translate=(0.1, 0.1), scale=(0.9, 1.1), shear=10),  # 随机仿射变换
    transforms.RandomPerspective(distortion_scale=0.5, p=0.5),  # 随机透视变换
    transforms.Resize([512, 512]),
    transforms.Grayscale(),
    transforms.ToTensor(),
    lambda x: torch.as_tensor(x, dtype=torch.float32)
])

1. transforms.ToPILImage()：将Tensor类型的图像转换为PIL Image类型的图像。这个操作没有使用额外的参数。

2. transforms.RandomResizedCrop(512, scale=(0.8, 1.0))：随机裁剪和缩放图像。它将图像随机裁剪为指定的大小(这里是512x512)，并且可以根据给定的比例范围进行缩放。scale=(0.8, 1.0)表示将图像在0.8倍到1.0倍之间进行缩放。

3. transforms.RandomHorizontalFlip()：随机水平翻转图像。以0.5的概率随机选择是否对图像进行水平翻转。

4. transforms.RandomVerticalFlip()：随机垂直翻转图像。以0.5的概率随机选择是否对图像进行垂直翻转。

5. transforms.RandomRotation(45)：随机旋转图像。将图像以随机角度旋转，这里的参数45表示随机旋转的角度范围为-45度到+45度。

6. transforms.ColorJitter(brightness=0.4, contrast=0.4, saturation=0.4, hue=0.1)：颜色抖动。该操作通过随机调整图像的亮度、对比度、饱和度和色调来增加图像的变化。参数的含义如下：

   • brightness：亮度调整的范围。0表示无变化，1表示可以增加1倍的亮度，-1表示可以减少1倍的亮度。
   • contrast：对比度调整的范围。0表示无变化，1表示可以增加1倍的对比度，-1表示可以减少1倍的对比度。
   • saturation：饱和度调整的范围。0表示无变化，1表示可以增加1倍的饱和度，-1表示可以减少1倍的饱和度。
   • hue：色调调整的范围。0表示无变化，0.1表示可以在色相空间上随机调整0.1的偏移量。

7. transforms.RandomAffine(degrees=0, translate=(0.1, 0.1), scale=(0.9, 1.1), shear=10)：随机仿射变换。该操作可以进行随机旋转、平移、缩放和剪切图像。参数的含义如下：

   • degrees：随机旋转的角度范围，默认为0，表示不进行随机旋转。
   • translate：平移图像的范围。它接受一个元组，表示在水平和垂直方向上的最大平移比例。例如，(0.1, 0.1)表示图像可以在水平和垂直方向上最多平移10%的宽度和高度。
   • scale：缩放图像的范围。它接受一个元组，表示在水平和垂直方向上的缩放范围。例如，(0.9, 1.1)表示图像可以在水平和垂直方向上缩放为90%到110%之间的大小。
   • shear：剪切图像的角度范围。它表示图像可以以一定的角度进行剪切。例如，shear=10表示图像可以在水平和垂直方向上最多剪切10度。
   • transforms.RandomPerspective(distortion_scale=0.5, p=0.5)：随机透视变换。该操作以一定的概率对图像进行透视变换。参数的含义如下：
     • distortion_scale：透视变换的程度。较高的值将产生更大的透视效果。
     • p：透视变换被应用的概率。例如，p=0.5表示以50%的概率应用透视变换。