pytorch学习笔记----transforms 的使用

transforms的作用：可以使用的这个模块对图像进行一些预处理操作。

1.导入工具模块

from torchvision import transforms #使用transform 对图像进行变化

2.transfrom中ToTensor()的使用：这个模块的主要作用主要就是将       PIL或者numpy.ndarry的图像类型转变成tensor的类型格式

transform_totensor = transforms.ToTensor()#用tensor_tans接收ToTensor对象
tensor_img = transform_totensor(img)#将img转变成tensoe格式,直接调用了内置call方法
print(tensor_img[0][0])#展示tensor 格式的第一层第一行向量

3.Normalize：将图片进行归一化，归一化的好处有很多比如有的图片特征之间差异性很大，我们可以使用这种方法让图片变得归一化之后便于训练

trans_norm = transforms.Normalize([1,2,3],[3,2,1])#将Normalize类传入方差进行初始化并且赋给对象，因为是RGB三通道的
norm_img = trans_norm(tensor_img)#进行归一化操作,这里默认直接利用参数调用了内置forward方法
print(norm_img[0][0])#展示归一化图片的第一层和第一行向量

4.Resize：输入一张图片，将图片转变为指定的大小。如果只传入一个参数，就将最小边变成size,最大边等比例变成原来最小边的倍数

transform_resize = transforms.Resize((512,512))#输入一张图片，将图片转变为指定的大小
resize_img = transform_resize(img)
transform_conpose = transforms.Compose([transform_resize,transform_totensor])#Compose 是把多个对图像处理的包整合在一起，这种方式也叫流水线，更加清晰明了
imageresize2 = transform_conpose(resize_img)

5.RandomCrop：对图片进行指定裁剪，不会进行等比例变化。

#randomcrop#对输入的一张图片进行随机裁剪，裁剪大小的高和宽只设置为自己想要的
transform_randomcrop = transforms.RandomCrop(520,520)

#随机裁剪10次
for i in range (10):
    transform_conpose2 = transforms.Compose([transform_randomcrop,transform_totensor])
    randomcrop_img = transform_conpose2(img)
    writer.add_image("randomcrop_img",randomcrop_img,i)

6.Compose：流水线的工作方式，对参数中的transform进行遍历，知道遍历到参数中的最后一个transform 。这种方式还是简洁明了

transform_conpose2 = transforms.Compose([transform_randomcrop,transform_totensor])