pytorch-torchvision之transforms

部分参考：
PyTorch 学习笔记（三）：transforms的二十二个方法
pytorch torchvision transform

1.对PIL.Image进行变换

1.1.组合

transform：class torchvision.transforms.Compose(transforms)
将多个transform组合起来使用。
transforms： 由transform构成的列表. 例子：

transforms.Compose([
     transforms.CenterCrop(10),
     transforms.ToTensor(),
 ])

1.2.重塑大小

class torchvision.transforms.Scale(size, interpolation=2)
将输入的PIL.Image重新改变大小成给定的size，size是最小边的边长。举个例子，如果原图的height>width,那么改变大小后的图片大小是(size*height/width, size)。
用例:

from torchvision import transforms
from PIL import Image
crop = transforms.Scale(12)
img = Image.open('test.jpg')

print(type(img))
print(img.size)

croped_img=crop(img)
print(type(croped_img))
print(croped_img.size)

<class 'PIL.PngImagePlugin.PngImageFile'>
(10, 10)
<class 'PIL.Image.Image'>
(12, 12)

1.3.中心切割

class torchvision.transforms.CenterCrop(size)
将给定的PIL.Image进行中心切割，得到给定的size，size可以是tuple，(target_height, target_width)。size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形。

1.4.随机中心切割

class torchvision.transforms.RandomCrop(size, padding=0)
切割中心点的位置随机选取。size可以是tuple也可以是Integer。

1.5.随机水平翻转

class torchvision.transforms.RandomHorizontalFlip(p=0.5)
随机水平翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。

1.6.随机切割＋重塑大小

class torchvision.transforms.RandomSizedCrop(size, interpolation=2)
先将给定的PIL.Image随机切，然后再resize成给定的size大小。

1.7.填充

class torchvision.transforms.Pad(padding, fill=0)
将给定的PIL.Image的所有边用给定的pad value填充。

• padding：要填充多少像素
• fill：用什么值填充
  例子：

from torchvision import transforms
from PIL import Image
padding_img = transforms.Pad(padding=10, fill=0)
img = Image.open('test.jpg')

print(type(img))
print(img.size)

padded_img=padding(img)
print(type(padded_img))
print(padded_img.size)

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

1.8.随机垂直翻转

class torchvision.transforms.RandomVerticalFlip(p=0.5)
随机垂直翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。

1.9.随机旋转

class torchvision.transforms.Rotation(degrees, resample=False, expand=False, center=None)
依degrees随机旋转一定角度

• degress：(sequence or float or int) ，若为单个数，如 30，则表示在（-30，+30）之间随机旋转
  若为sequence，如(30，60)，则表示在30-60度之间随机旋转
• resample：重采样方法选择，可选 PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC，默认为最近邻
• center:可选为中心旋转还是左上角旋转

2.对Tensor进行变换

2.1.标准化

class torchvision.transforms.Normalize(mean, std)
给定均值：(R,G,B)方差：（R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std。

3.Conversion Transforms

3.1.转换为tensor

class torchvision.transforms.ToTensor
把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor

data = np.random.randint(0, 255, size=300)
img = data.reshape(10,10,3)
print(img.shape)
img_tensor = transforms.ToTensor()(img) # 转换成tensor
print(img_tensor)

3.2.转换为PIL image

class torchvision.transforms.ToPILImage
将shape为(C,H,W)的Tensor或shape为(H,W,C)的numpy.ndarray转换成PIL.Image，值不变。

4.通用变换

4.1.class torchvision.transforms.Lambda(lambd)

使用lambd作为转换器。