pytorch（09）transform模块(基础)

transforms

1. transforms运行机制
   torchvision.transforms:常用的图像预处理方法
   torchvision.datasets:常用数据及的dataset实现，mnist，cifar-10，imagenet等
   torchvision.model:常用的模型与训练，AlexNet，VGG，ResNet，GoogLeNet等
   torchvision：计算机视觉工具包

我们对图片进行预处理的图像增强，主要就是增加图片的泛化能力，丰富训练数据。
泛化能力(generalization ability)是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。

1. 数据标准化——transform.normalize
   transforms.Normalize(mean,std,inplace=False)
   逐channel对图像进行标准化
   output = (input - mean) / std

• mean:各通道的均值
• std:各通道的标准差
• inplace:是否原地操作数据标准化的目的：
  在于标准化后能够使整体数据样本接近于0，在进行sigmoid激活函数时候能够发现收敛速度更快

transforms ——裁剪

1. crop 裁剪
   transforms.CenterCrop,从图像中心裁剪图片，size(所需要的裁剪图片尺寸)

from PIL import Image
from torchvision import transforms
x_img = Image.open("paper.jpg").convert('RGB')
x_img = transforms.CenterCrop((88, 10))(x_img)
x_img.show()

1. RandomCrop
   transforms.RandomCrop(size,padding=None,pad_if_needed=False,fill=0,padding_mode='constant')

• size:尺寸
• padding:设置填充大小
  当为a时，上下左右均填充a个像素
  当为(a,b)时，上下填充b个像素，左右填充a个像素
  当为(a,b,c,d)时，左上右下分别填充a,b,c,d
• pad_if_need:若图像小于设定size,则填充
• padding_mode:填充模式，有四种：
  1. constant:像素值由fill设定
  2. edge:像素值由图像边缘像素决定
  3. reflect:镜像填充，最后一个像素不镜像，eg:[1,2,3,4]->[3,2,1,2,3,4,3,2]
  4. symmetric:镜像填充，最后一个像素镜像，eg:[1,2,3,4]->[2,1,1,2,3,4,4,3]
• fill:constant时，设置填充的像素值

flag = True
# flag = False
if flag:
    x_img = Image.open("face.jpg").convert('RGB')
    x_img = transforms.RandomCrop((900,200), padding=100, fill=(255,0,0))(x_img) # 如果裁剪像素大于原始，则需要进行pad_if_needed
    x_img.show()

1. RandomResizedCrop
   随机大小、长宽比裁剪图片
   RandomResizedCrop(size,scale=(0.08,1.0),ratio=(3/4,4,3),interpolation)

• scale:随机裁剪面积比例，默认(0.08, 1)
• ratio:随机长宽比，默认(3/4,4/3)
• interpolation:插值方法
  PIL.Image.NEAREST
  PIL.Image.BILINEAR
  PIL.Image.BICUBIC

flag = True
# flag = False
if flag:
    x_img = Image.open("paper.jpg").convert('RGB')
    x_img = transforms.RandomResizedCrop((400,200),scale=(0.5,1.0),
                                         ratio=(3./4,4./3),
                                         interpolation=0)(x_img)
    x_img.show()

1. FiveCrop

# ===================04 FiveCrop=================
flag =True
# flag = False
if flag:
    x_img = Image.open("face.jpg").convert('RGB')
    x_img1, x_img2, x_img3, x_img4, x_img5 = transforms.FiveCrop((300,300))(x_img)
    x_img2.show()

1. TenCrop
   在图像的上下左右以及中心裁剪出尺寸为size的5张图片，TenCrop对这5张图片进行水平或者垂直镜像获得10张图片

• size:所需裁剪图片尺寸
• vertical_flip:是否垂直翻转

# ===================05 TenCrop=================
flag =True
# flag = False
if flag:
    x_img = Image.open("face.jpg").convert('RGB')
    x_img1, x_img2, x_img3, x_img4, x_img5 \
        ,x_img6 ,x_img7,x_img8,x_img9,x_img10= transforms.TenCrop((300,300),vertical_flip=True)(x_img)
    x_img7.show()

transforms——翻转、旋转

1. transforms flip
   1. RandomHorizontalFlip
   2. RandomVerticalFilp

# ===================06 Flip=================
flag = True
# flag = False
if flag:
    x_img = Image.open("face.jpg")
    x_imgd = transforms.RandomVerticalFlip(p=1)(x_img)
    plt.imshow(x_imgd)
    plt.show()

1. RandomRoatation
   随机旋转图片
   RandomRotation(degress, resample=False, expand=False, center=None)

• degress:旋转角度
  为a时，在(-a,a)之间选择旋转角度
  为(a,b)时，在(a,b)之间选择旋转角度
• resample:重采样方法
• expand:是否扩大图片，保持原图信息

# ===================07 Rotation==============
flag = True
# flag = False
if flag:
    x_img = Image.open("face.jpg")
    x_imgd = transforms.RandomRotation(60, resample=Image.BILINEAR, expand=True, center=(40,80))(x_img)
    x_imgd.show()