pytorch中transforms和Compose理解

概述

torchvision.transforms主要是用于常见的一些图形变换（裁剪、旋转等）
Compose就是定义对图片的多个变换的操作，从上往下依次执行。

操作

阅读源码下面这么多操作，这里就不写了，官网和其他博客有写具体用法和含义，按需求找就好了。

__all__ = ["Compose", "ToTensor", "PILToTensor", "ConvertImageDtype", "ToPILImage", "Normalize", "Resize", "Scale",
           "CenterCrop", "Pad", "Lambda", "RandomApply", "RandomChoice", "RandomOrder", "RandomCrop",
           "RandomHorizontalFlip", "RandomVerticalFlip", "RandomResizedCrop", "RandomSizedCrop", "FiveCrop", "TenCrop",
           "LinearTransformation", "ColorJitter", "RandomRotation", "RandomAffine", "Grayscale", "RandomGrayscale",
           "RandomPerspective", "RandomErasing", "GaussianBlur", "InterpolationMode", "RandomInvert", "RandomPosterize",
           "RandomSolarize", "RandomAdjustSharpness", "RandomAutocontrast", "RandomEqualize"]

例子1-transforms操作的使用

from torchvision import transforms
from PIL import Image
# 读取文件
img = Image.open('test.jpg')
print(type(img))
print(img.size)
#定义transforms的操作
padding_img = transforms.Pad(padding=10, fill=0)
#使用操作
padded_img = padding_img(img)
print(type(padded_img))
print(padded_img.size)

test.jpg

输出结果

<class 'PIL.JpegImagePlugin.JpegImageFile'>
(30, 30)
<class 'PIL.Image.Image'>
(50, 50) #由于上下左右都要填充10个像素，所以填充后的size是(30+10+10,30+10+10)

例子2-Compose的使用

from torchvision import transforms
from PIL import Image
# 读取文件
img = Image.open('test.jpg')
print(type(img))
print(img.size)
#定义transforms的操作
padding_img = transforms.Compose([
    transforms.Pad(padding=10,fill=0),
    transforms.Resize((40,40)),
    transforms.ToTensor()
])
#使用操作
padded_img = padding_img(img)
print(type(padded_img))
print(padded_img.size())

输出结果

<class 'PIL.JpegImagePlugin.JpegImageFile'>
(30, 30)
<class 'torch.Tensor'>
torch.Size([3, 40, 40])

可以看到将50，50的图片变为40，40的图片，并转化为tensor类型，由于RGB图片，为三通道，所以torch.Size为([3, 40, 40])

例子3-Compose结合lambda表示式的使用

from torchvision import transforms
from PIL import Image
#定义transforms的操作
padding_img = transforms.Compose([
    # lambda表达式读取文件,string path -> image
    lambda x: Image.open(x).convert('RGB'),
    transforms.Pad(padding=10,fill=0),
    transforms.Resize((40,40)),
    transforms.ToTensor()
])
#使用操作
padded_img = padding_img('test.jpg')
print(type(padded_img))
print(padded_img.size())

输出结果

<class 'torch.Tensor'>
torch.Size([3, 40, 40])

可以看到lambda表达式得到图片后，会传递给下面的操作继续执行，而此时也只需要根据lambda表示x的类型，输入相应的值，即可。