transforms常用功能函数

1. Compose（）

功能作用：
将不同的transforms结合在一起，先进行第一个transform变换，后进行第二个transforms变换
用法：
Compose中的参数需要是一个列表。Python中，列表的表示形式为[数据1，数据2，……]；
在Compose中，数据需要是transforms类型，所以得到，Compose([transform参数1，transforms参数2，……])

trans_compose = transforms.Compose([trans_resize_2, trans_totensor]) # 先进行trans_resize_2，后进行tans_totansor

注意：第一个参数的输出数据类型应与第二个参数的输入数据类型相匹配

2. ToTensor

功能作用：
Convert a PIL Image or numpy.ndarray to tensor.
调用方法：

trans_totensor = transforms.ToTensor()  #创建ToTensor对象
img_tensor = trans_totensor(img)  # 调用此对象

3. ToPILImage

功能作用：
Convert a tensor or an ndarray to PIL Image
调用方法：同上

4. Normalize

功能作用：
Normalize a tensor image with mean and standard deviation.（根据给定的均值和标准差归一化tensor图像）
输入：mean: (mean[1],...,mean[n]) and std: (std[1],..,std[n]) for n
输出：output[channel] = (input[channel] - mean[channel]) / std[channel]
调用方法：

// Normalize
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
img_norm = trans_norm(img_tensor) #输入为trnsor数据类型

5. Resize

功能作用：
调整图片大小。
输入：PIL image（类型）
输出：PIL image（类型）
创建对象时输入的参数：（需要的尺寸） eg：（512， 512）。若输入为一个值，则图片短的边匹配这一数值。
调用方法：

# resize用法
img = Image.open("E:\\Pycharm\\workspace\\image\\pytorch.jpg")
trans_resize = transforms.Resize((512, 512)) #创建Resize对象，输入参数
img_resize = trans_resize(img) #输入PIL image

# 输入参数为一个值的情况
trans_resize_2 = transforms.Resize(512)
trans_compose = transforms.Compose([trans_resize_2, trans_totensor]) # 先进行trans_resize_2，后进行tans_totansor
img_resize_2 = trans_compose(img)

6.RandomCrop（）

功能作用：随机裁剪
使用方法：

# 6. RandomCrop() 随机裁剪   输入：PIL image  输出：PIL Image
trans_random = transforms.RandomCrop(200)
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])
for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("trans_crop", img_crop, i)

总结

关注输入输出类型；
多看官方文档；
关注方法需要什么参数；不知道返回值的时候：

print()
print(type())
debug