计算机视觉技巧合集（六）torchvision的transforms

于 2023-06-29 16:53:58 发布
阅读量234 收藏
点赞数
分类专栏： 计算机视觉技巧合集 文章标签： 计算机视觉 人工智能
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/qq_40691600/article/details/131459792
版权

对于图像分类任务，由于不需要标注真实框，在进行数据增强的过程中只需要对图像进行变换，标签保持原样，因此目标检测中使用的全部数据增强方法都可以直接用于图像分类任务，非常的方便。所以这一篇主要聊一聊PyTorch提供的各种数据增强方法。

Pytorch官方提供的大多数数据增强方法都存放在torchvision.transforms这个python文件中，对源代码感兴趣的话可以直接打开这个文件。

一般常用的函数主要是：Resize()、CenterCrop()、RandomRotation()、RandomHorizontalFlip()、RandomVerticalFlip()、Compose()、ToTensor()、Normalize()等。

0. 准备工作

用于展示数据增强效果的图像是COCO数据集的000000000030.jpg：
在这里插入图片描述
Figure1：图像的高和宽分别是428*640

1. Resize()

Resize(size, interpolation=InterpolationMode.BILINEAR, max_size=None, antialias=‘warn’)

类功能：该函数用于将图像缩放到指定的大小。

参数列表：

size：一般输入一个元组(h, w)，图像会缩放到这个大小；如果只输入一个整数，那么图像的短边会缩放到这个长度，长边会按缩放比例缩放。

interpolation：插值策略，默认是双线性插值法。

max_size：图像长边最大缩放长度，长边不可以超出这个最大长度。

antialias：抗锯齿，对于张量，只影响双线性插值和双三次插值模式的张量；对于PIL图像，只能用于双线性插值和双三次插值模式，对于其它模式，没有意义。一般使用默认值就可以了。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

resize = transforms.Resize(224)

img = resize(img)

img = np.array(img)
img = img[:, :, ::-1]
cv2.imwrite(r"./class_imgs/resize.jpg", img)

程序运行结果：
在这里插入图片描述
Figure2：图像的高和宽分别是224*334

2. CenterCrop()

CenterCrop(size)

类功能：按照size的大小截取图像的中心区域。

参数列表：

size：一般是(h, w)，如果输入一个整数size，那么按照(size, size)截取。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

centercrop = transforms.CenterCrop(224)

img = centercrop(img)

img = np.array(img)
img = img[:, :, ::-1]
cv2.imwrite(r"./class_imgs/centercrop.jpg", img)

程序运行结果：
在这里插入图片描述
Figure3：图像的高和宽分别是224*224

3. RandomRotation()

RandomRotation(degrees, interpolation=InterpolationMode.NEAREST, expand=False, center=None, fill=0)

类功能：随机旋转图像。

参数列表：

degrees：输入一个整数degrees，那么旋转的范围是(-degrees, degree)，或者输入一个元组(min, max)。

interpolation：插值策略，默认是最邻近插值。

expand：扩展输出使其可以容纳旋转后的图像。

center：旋转中心，默认是图像的中心点。

fill：旋转图像之外的填充值。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

randomrotation = transforms.RandomRotation(degrees=(-5, 5), expand=True, fill=114)
img = randomrotation(img)

img = np.array(img)
img = img[:, :, ::-1]
cv2.imwrite(r"./class_imgs/randomrotation.jpg", img)

程序运行结果：
在这里插入图片描述
Figure4：图像的高和宽分别是472*670

4. RandomHorizontalFlip()

RandomHorizontalFlip(p=0.5)

类功能：以一定的概率水平翻转图像。

参数列表：

p：浮点数，翻转的概率值。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

randomHorizontalFlip = transforms.RandomHorizontalFlip(0.5)
img = randomHorizontalFlip(img)

img = np.array(img)
img = img[:, :, ::-1]
cv2.imwrite(r"./class_imgs/randomHorizontalFlip.jpg", img)

程序运行结果：
在这里插入图片描述
Figure5：图像的高和宽分别是428*640

5. RandomVerticalFlip()

RandomVerticalFlip(p=0.5)

类功能：以一定的概率垂直翻转图像。

参数列表：

p：浮点数，翻转的概率值。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

randomVerticalFlip = transforms.RandomVerticalFlip(0.5)
img = randomVerticalFlip(img)

img = np.array(img)
img = img[:, :, ::-1]
cv2.imwrite(r"./class_imgs/randomVerticalFlip.jpg", img)

程序运行结果：
在这里插入图片描述
Figure6：图像的高和宽分别是428*640

6. Compose()

Compose(transforms)

类功能：可以将多个函数组合在一起使用

参数列表：

transforms：一个tranforms对象的列表。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

transformsAll = transforms.Compose([
    transforms.Resize(224),
    transforms.RandomRotation(degrees=(-5, 5), expand=True, fill=114),
    transforms.RandomVerticalFlip(0.5),
])

img = transformsAll(img)

img = np.array(img)
img = img[:, :, ::-1]
cv2.imwrite(r"./class_imgs/transformsAll.jpg", img)

程序运行结果：
在这里插入图片描述
Figure7：图像的高和宽分别是244*348

7. ToTensor()

ToTensor()

类功能：将一个PIL图像或者ndarray数组转换成tensor，维度会从(H, W, C)转换成(C, H, W)，数值范围会从[0, 255]转换成[0, 1.0]。

示例代码如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

transformsAll = transforms.Compose([
    transforms.Resize(224),
    transforms.RandomRotation(degrees=(-5, 5), expand=True, fill=114),
    transforms.RandomVerticalFlip(0.5),
    transforms.ToTensor(),
])

img = transformsAll(img)
print(type(img))

img_array = img.numpy()
img_array = np.transpose(img_array, (1, 2, 0))
img_array = img_array[:, :, ::-1]
img_array = img_array * 255
img_array = img_array.astype(np.uint8)
cv2.imwrite(r"./class_imgs/totensor.jpg", img_array)

程序运行结果：

<class 'torch.Tensor'>

在这里插入图片描述
Figure8：图像的高和宽分别是242*346

8. Normalize()

Normalize(mean, std, inplace=False)

类功能：对图像张量进行归一化操作。

参数列表：

mean：均值列表，[mean[0], …, mean[N]]

std：标准差列表，[std[0], …, std[N]]

inplace：直接对输入数据进行操作，不另外存储。

示例程序如下：

import cv2
from torchvision import transforms
from PIL import Image
import numpy as np
import torch

img_path = r"G:\datasets\COCO\000000000030.jpg"
img = Image.open(img_path).convert("RGB")

transformsAll = transforms.Compose([
    transforms.Resize(224),
    transforms.RandomRotation(degrees=(-5, 5), expand=True, fill=114),
    transforms.RandomVerticalFlip(0.5),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]), # 一般都使用ImageNet数据集的均值和标准差
])

img = transformsAll(img)
print(type(img))

# img 是一个归一化的图像，其形状为 (C, H, W)
mean = torch.tensor([0.485, 0.456, 0.406]).view(3, 1, 1)
std = torch.tensor([0.229, 0.224, 0.225]).view(3, 1, 1)
# 对 img 执行逆归一化操作
img = ((img * std) + mean)

img_array = img.numpy()
img_array = np.transpose(img_array, (1, 2, 0))
img_array = img_array[:, :, ::-1]
img_array = img_array * 255
img_array = img_array.astype(np.uint8)
cv2.imwrite(r"./class_imgs/Normalize.jpg", img_array)

程序运行结果如下：

<class 'torch.Tensor'>

在这里插入图片描述
Figure9：图像的高和宽分别是244*348

飞天小老虎66
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
[PyTorch 学习笔记] 2.2 图片预处理 transforms 模块机制
张贤的博客
08-27 1378
PyTorch 的数据增强 我们在安装PyTorch时，还安装了torchvision，这是一个计算机视觉工具包。有 3 个主要的模块： torchvision.transforms: 里面包括常用的图像预处理方法 torchvision.datasets: 里面包括常用数据集如 mnist、CIFAR-10、Image-Net 等 torchvision.models: 里面包括常用的预训练好的模型，如 AlexNet、VGG、ResNet、GoogleNet 等 深度学习模型是由数据驱动的，数据的数
Pytoch之torchvision.transforms图像变换实例
09-18
在PyTorch中，`torchvision.transforms`是一个非常重要的模块，它提供了许多处理图像的转换方法，用于数据预处理和增强。这些变换对于训练深度学习模型尤其关键，因为它们能够帮助模型更好地泛化，提高其在未知数据...
torchvision.transforms
weixin_44296865的博客
11-20 1107
torchvision.transforms是pytorch中的图像预处理包,包含了一些常用的图像变换，主要实现对数据集的预处理、数据增强、数据转换成tenser等一系列操作。一般用Compose把多个步骤整合到一起。
torchvision学习——transforms函数（图像变换、裁剪、翻转，数据预处理）
Chaoy6565的博客
11-22 2079
在看一个简单的卷积网络时遇到了这个函数，不是很懂，看来很多文章，总结一下。当然还有其他的函数，以后再慢慢学习。
计算机视觉（英文版）
07-20
7.3 Spatial Frequency and Fourier Transforms 193 7.3.1 Fourier Transforms 193 7.4 Sampling and Aliasing 197 7.4.1 Sampling 198 ix 7.4.2 Aliasing 201 7.4.3 Smoothing and Resampling 202 7.5 Technique: ...
opencv_transforms_torchvision:在Torchvision中进行转换的opencv重新实现
05-01
这是基于Opencv的torchvision“ transforms”的重写。 所有功能仅取决于cv2和pytorch（无PIL）。 如，cv2比PIL快三倍。 转换中的大多数函数都被重新实现，除了： 在原始版本中已弃用的ToPILImage（我们使用过的...
opencv_transforms:Torchvision图像增强的OpenCV实现
05-12
此仓库使用OpenCV为PyTorch计算机视觉管道提供快速图像增强。 我编写这段代码是因为基于Pillow的Torchvision转换由于缓慢的图像增强而使我的GPU饿死了。 要求 OpenCV有效安装。 使用OpenCV版本3.4.1、4.1.0测试 已...
torchvision中transforms的使用
ting
01-17 480
torchvision中transforms的使用
【Python】torchvision—transforms库讲解、图像预处理
Danger的博客
03-21 1732
【Python】torchvision—transforms库讲解、图像预处理
【torchvision】transforms的二十二个方法
咖啡味儿的咖啡
11-12 354
https://zhuanlan.zhihu.com/p/53367135
torchvision中的transforms的结构以及用法
爱学习的小登西的博客
05-06 595
作用：主要对图片进行一些变化 python的用法 -》tensor数据类型(以ToTensor工具来讲解transforms的用法) 通过transforms.ToTensor去解决两个问题 1.transforms如何使用（在python中） 2.为什么需要Tensor数据类型 出现错误，波浪线时 alt+回车 可以查看解决方案 查看需要什么参数 Ctrl+p # 绝对路径 C:\Users\11404\PycharmProjects\pytorch_learning\dataset2\train\a
pytorch torchvision.transforms.Resize
Claroja
08-25 5037
API CLASS torchvision.transforms.Resize(size, interpolation=2) 参数 描述 size (sequence or int) 如果size是sequence(h,w)，则输出为此尺寸：如果size是int，则暗比例缩放 interpolation (int, optional) 插值方法，默认是双线性 参考： https://pytorch.org/docs/stable/torchvision/transforms.htm
Day4 Torchvision 中的Transforms（一）
最新发布
weixin_45417707的博客
06-16 151
小土堆大神的transforms第一课，主要记录了在python中的用法，以及totensor的举例（结合了tensorboard）。补充了PILImage、numpy.adarray、tensor的读取和转换。明天更新更多常用的transforms
torchvision.transforms.Resize()函数解读
热门推荐
qq_40178291的博客
09-21 4万+
函数作用 对于PIL Image对象进行resize的运算。 函数源码 class Resize(object): """Resize the input PIL Image to the given size. Args: size (sequence or int): Desired output size. If size is a sequence ...
torchvison的安装--源码
huoshi191的博客
09-10 2162
前面因为是用源码安装的pytorch，因此只能源码安装对应的torchvison. 直接使用conda安装torchvision包会将torch版本更新，导致无法使用。
自定义torchvision的transforms功能
qq_30615001的博客
03-21 849
自定义torchvision的transforms功能
torchvision.transforms系列函数
weixin_44739213的博客
09-29 1229
torchvision.transforms系列函数(一) 一、torchvision.transforms.Resize()函数的作用 将输入的图像（PIL Image模块）resize为给定参数size=(h,w)的模样，若给定size 是一个整数，且原图像h>w，那么新图像的大小被rescale为（size*height/width, size） torchvision.transforms.ToTensor() 本函数目的是将PIL Image/numpy.narray数据类型转变为tor
torchvision transforms
03-16
torchvision transforms是PyTorch中的一个模块，用于对图像进行预处理和数据增强。它提供了多种常用的图像变换方法，如随机裁剪、随机旋转、随机翻转、归一化等，可以方便地应用于训练数据的预处理中，提高模型的泛化能力和鲁棒性。同时，它还支持自定义的图像变换方法，可以根据具体需求进行扩展。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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