07 Transforms中常用的工具

Compose类

Compose中的参数需要的是一个列表，数据类型需要是transforms类型。

Compose([transforms参数1, transforms参数2, ...])

比如我们可以先裁剪再调用ToTensor方法

Example:  
    >>> transforms.Compose([    
    >>>     transforms.CenterCrop(10),    
    >>>     transforms.PILToTensor(),    
    >>>     transforms.ConvertImageDtype(torch.float),    
    >>>  ])

实例化对象后，compose对象需要输入Image。

ToTensor类

将np或者PIL数据类型的图片转换为tensor数据类型。

ToPILImage类

将tensor或者np数据类型的图片转换为PIL数据类型

Normalize类

进行归一化

Normalize a tensor image with mean and standard deviation //用平均值和标准差来归一化一张图像

output[channel] = (input[channel] - mean[channel]) / std[channel] //计算公式

writer = SummaryWriter("logs")  
img = Image.open("images/6240338_93729615ec.jpg")  
  
trans_totensor = transforms.ToTensor()  
img_tensor = trans_totensor(img)  
  
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])  
img_norm = trans_norm(img_tensor)  
writer.add_image("Normalize", img_norm, 1)  
writer.close()

由于我们传入的是三通道图片，因此均值和方差均需传入长度为3的数组，我们设置的值均为0.5，它的作用是将[0,1]之间的数据转换为[-1,1]之间的数据。

输入前和输入后的图片

Resize类

Resize the input image to the given size. 

size (sequence or int): Desired output size. If size is a sequence like  
    (h, w), output size will be matched to this. If size is an int,    smaller edge of the image will be matched to this number.    
    i.e, if height > width, then image will be rescaled to    
    (size * height / width, size).

//如果大小是这样的序列（h，w），输出大小将与此匹配。如果大小是int，图像的较小边缘将与该数字相匹配。
即，如果高度 > 宽度，则图像将被重新缩放为
（尺寸 * 高度 / 宽度，尺寸）。

我们可以先将PIL图片用resize方法进行放缩，再转为tensor类型的图片，完成一系列流水线操作

# Resize
trans_resize = transforms.Resize((512, 512))  
#img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)  
#img_resize PIL -> totensor ->img_resize tensor
img_resize = trans_totensor(img_resize)  
writer.add_image("Resize", img_resize, 0)

或者可以用compose方法，进行放缩变换

# Compose - resize - 2
trans_resize_2 = transforms.Resize(512)
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Resize", img_resize_2, 1)

注意：老版的resize类不支持tensor数据类型，但新版的resize已经支持了，不需要进行这么麻烦的操作。

RandomCrop类

随机裁剪，对这个类我们只简单看一下size的作用

size (sequence or int): Desired output size of the crop. 
If size is an int instead of sequence like (h, w), a square crop (size, size) is made. 
If provided a sequence of length 1, it will be interpreted as (size[0], size[0]).
//size（sequence或int）：作物所需的输出大小。
如果size是int而不是像（h，w）那样的序列，则会生成方形裁剪（size，size）。
如果提供长度为1的序列，它将被解释为（size[0]，size[0]）。

#RandomCrop
trans_random = transforms.RandomCrop(128)  
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])  
for i in range(10) :  
    img_crop = trans_compose_2(img)  
    writer.add_image("RandomCrop", img_crop, i)

RandomCrop会对给定的裁剪大小对图片进行随机裁剪，结果如下

这里只列出其中两张图片。

注意：给定的裁剪大小必须要小于图片的大小，不然会报错。

总结

1. 关注输入和输出类型，多看官方文档，比网上、CSDN搜索要准确的多
2. 关注方法需要什么参数，比如初始化时需要的参数。
3. 不知道返回值类型时，用print或者print(type())或debug来查看。