PyTorch框架学习六——图像预处理transforms（二）
PyTorch框架学习六——图像预处理transforms（二）
- （续）二、transforms的具体方法
-
- 4.图像变换
-
- （1）尺寸变换：transforms.Resize()
- （2）标准化：transforms.Normalize()
- （3）转为tensor：transforms.ToTensor()
- （4）将数据转换为PILImage：transforms.ToPILImage()
- （5）填充：transforms.Pad()
- （6）修改亮度、对比度、饱和度：transforms.ColorJitter()
- （7）转灰度图：transforms.Grayscale()
- （8）依概率p转为灰度图：transforms.RandomGrayscale()
- （9）仿射变换：transforms.RandomAffine()
- （10）随机遮挡：transforms.RandomErasing()
- 5.transforms的操作
-
- （1）transforms.Lambda()
- （2）transforms.RandomChoice()
- （3）transforms.RandomApply()
- （4）transforms.RandomOrder()
这次笔记是续PyTorch框架第五次笔记，上次笔记链接为：https://blog.csdn.net/qq_40467656/article/details/107914085
（续）二、transforms的具体方法
4.图像变换
（1）尺寸变换：transforms.Resize()
功能：将输入图像的尺寸resize到给定的尺寸。
操作对象：PIL格式或是张量。
torchvision.transforms.Resize(size, interpolation=2)
参数如下：
- size：同上（上次笔记）。
- interpolation：同上（上次笔记）。
原始图像尺寸（224,224）：（注意坐标轴）
transforms.Resize((512, 512))
resize后的结果，注意坐标轴
（2）标准化：transforms.Normalize()
功能：逐通道的标准化图像，公式为
output[channel] = (input[channel] - mean[channel]) / std[channel]
操作对象：张量。
torchvision.transforms.Normalize(mean, std, inplace=False)
参数如下：
- mean：（序列）每个通道的均值。
- std：（序列）每个通道的标准差。
- inplace：（布尔，可选）是否为原地操作。
标准化的作用：可以加快模型的收敛。
例子如下，这是RGB三通道图像，所以均值标准差都要有三个：
norm_mean = [0.485, 0.456, 0.406]
norm_std = [0.229, 0.224, 0.225]
transforms.Normalize(norm_mean, norm_std)
（3）转为tensor：transforms.ToTensor()
功能：将 PIL Image 或 numpy.ndarray 转变为tensor。
操作对象：PIL格式或是ndarray。
torchvision.transforms.ToTensor
将一个尺寸为（H×W×C）像素值范围[0, 255]的PIL图像或numpy的ndarray转变为尺寸为（C×H×W）像素值范围[0.0, 1.0]。
transforms.ToTensor()
因为像素值都小于等于1，所以显示不出来，其实像素值是有值的。
（4）将数据转换为PILImage：transforms.ToPILImage()
功能：将张量或ndarray转换为PIL图像，同时保留值的范围。
操作对象：ndarray或是张量。
torchvision.transforms.ToPILImage(mode=None)
参数如下：
（5）填充：transforms.Pad()
功能：对图片的边缘进行填充。
操作对象：PIL格式或是张量。
torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')
参数如下：
- padding：设置填充的大小。若为a，则四边都填充a个像素距离；若为（a，b），则左右两边填充a个，上下两边填充b个；若为（a，b，c，d），则分别对应左、上、右、下四个边。
- fill：只有padding_mode设置为constant时有效，constant模式下要填充的像素值（R、G、B）或（Gray），默认为0。
- padding_mode：填充模式，有constant、edge、reflect和symmetric四种，同上。
几个例子如下：
（1）四边都填充32像素，模式为constant，填充值为(255, 0, 0)（红色）。
transforms.Pad(padding=32, fill=(255, 0, 0), padding_mode='constant')
（2）padding不一样，其他和（1）一样：
transforms.Pad(padding=(8, 64), fill=(255, 0, 0), padding_mode='constant')
（3）padding不一样，其他和（1）一样：
transforms.Pad(padding=(8, 16, 32, 64), fill=(255, 0, 0), padding_mode='constant')
（4）模式改成了symmetric，此时的fill无效：
transforms.Pad(padding=(8, 16, 32, 64), fill=(255, 0, 0), padding_mode='symmetric')
（6）修改亮度、对比度、饱和度：transforms.ColorJitter()
功能：调整亮度、对比度、饱和度和色相。
操作对象：PIL格式或是张量。
torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
参数如下：
- brightness：亮度调整因子，当为a时，从[max(0, 1-a), 1+a]中随机选择；当为(a, b)时，从[a, b]中随机选择。
- contrast：对比度参数，同brightness。
- saturation：饱和度参数，同brightness。
- hue：色相参数，当为a时，从[-a, a]中选择，0<=a<=0.5；当为(a, b)时，从[a, b]中随机选择，-0.5<=a<=b<=0.5。
例子如下：
（1）亮度：
transforms.ColorJitter(brightness=0.5)
即亮度在[0.5, 1.5]之间选择：
（2）对比度：
transforms.ColorJitter(contrast=0.5)
（3）饱和度：
transforms.ColorJitter(saturation=0.5)
（4）色相：
transforms.ColorJitter(hue=0.3)
（7）转灰度图：transforms.Grayscale()
功能：将图像转变为灰度图，返回类型为PIL图像。
操作对象：PIL图像。
torchvision.transforms.Grayscale(num_output_channels=1)
参数：
注意它的返回，通道为3时，三通道的值相等：
例子如下：
transforms.Grayscale(num_output_channels=3)
（8）依概率p转为灰度图：transforms.RandomGrayscale()
功能：依概率将图片转换为灰度图。
操作对象：PIL图像。
torchvision.transforms.RandomGrayscale(p=0.1)
（9）仿射变换：transforms.RandomAffine()
功能：对图像进行仿射变换，仿射变换是二维的线性变换，由五种基本原子构成，分别是旋转、平移、缩放、错切和翻转。
操作对象：PIL格式（或是张量？不清楚张量可不可以）。
torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)
参数如下：
- degrees：旋转角度，同RandomRotation()。
- translate：平移区间设置，如（a，b），则水平平移距离在（-img_width×a，img_width×a）区间内选择，垂直平移距离在（-img_height×b，img_height×b）区间内选择，默认不平移。
- scale：缩放比例，默认不缩放。
- shear：错切角度设置，若为a，则图像会沿着x轴方向错切，错切角度在（-a，a）范围内；若为（a，b），则图像会沿着x轴方向错切，错切角度在（a，b）范围内；若为（a，b，c，d），则图像会沿着x轴方向错切，错切角度在（a，b）范围内，并且沿着y轴错切，错切角度在（c，d）范围内。
- resample：插值方法。
- fillcolor：填充颜色设置，（R，G，B）或（Gray）。
例子如下：
（1）旋转
transforms.RandomAffine(degrees=30)
（2）平移
transforms.RandomAffine(degrees=0, translate=(0.2, 0.2), fillcolor=(255, 0, 0))
（3）缩放
transforms.RandomAffine(degrees=0, scale=(0.7, 0.7))
（4）y方向错切
transforms.RandomAffine(degrees=0, shear=(0, 0, 0, 45))
（5）x方向错切
transforms.RandomAffine(degrees=0, shear=90, fillcolor=(255, 0, 0))
（10）随机遮挡：transforms.RandomErasing()
功能：在图像中随机选择一个矩阵区域并遮挡其像素。
操作对象：张量。
torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)
参数如下：
- p：执行随机遮挡操作的概率。
- scale：遮挡区域的面积。
- ratio：遮挡区域的长宽比。
- value：设置遮挡区域的像素值，（R,G,B）或（Gray）。
- inplace：是否原地操作，默认False。
例子如下：
（1）
transforms.RandomErasing(p=1, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=(254/255, 0, 0))
（2）value若是一个字符串，则会是随机填充。
transforms.RandomErasing(p=1, scale=(0.02, 0.33), ratio=(0.3, 3.3), value='1234')
5.transforms的操作
（1）transforms.Lambda()
功能：用户自定义lambda方法。
torchvision.transforms.Lambda(lambd)
参数：
格式为：
lambda[ arg1 [,arg2,…] ]：expression
其中：
arg1 [,arg2,…]为输入参数，expression为要做的操作以及返回的内容。
例子如下：
transforms.TenCrop(112, vertical_flip=False)
transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops]))
这里的操作是将TenCrop生成的十个图像拼接成一个张量。
（2）transforms.RandomChoice()
功能：从一系列transforms方法中随机挑选一个。
torchvision.transforms.RandomChoice(transforms)
格式为：
transforms.RandomChoice([transforms1, transforms2, transforms3,...])
如：要么垂直翻转，要么水平翻转。
transforms.RandomChoice([transforms.RandomVerticalFlip(p=1), transforms.RandomHorizontalFlip(p=1)])
（3）transforms.RandomApply()
功能：依据概率执行一组transforms操作。
torchvision.transforms.RandomApply(transforms, p=0.5)
如：0.5的概率执行仿射变换后灰度化。
transforms.RandomApply([transforms.RandomAffine(degrees=0, shear=45, fillcolor=(255, 0, 0)), transforms.Grayscale(num_output_channels=3)], p=0.5)
（4）transforms.RandomOrder()
功能：对一组transforms方法打乱，然后顺序执行。
torchvision.transforms.RandomOrder(transforms)
如：
transforms.RandomOrder([transforms.RandomRotation(15),
transforms.Pad(padding=32),
transforms.RandomAffine(degrees=0, translate=(0.01, 0.1), scale=(0.9, 1.1))]),