- 关于 torchvision 和 transforms
- transforms
- 1、裁剪（Crop）
- 中心裁剪：`transforms.CenterCrop`
- 随机裁剪：`transforms.RandomCrop`
- 随机长宽比裁剪：transforms.RandomResizedCrop `
- 上下左右中心裁剪：`transforms.FiveCrop`
- 上下左右中心裁剪后翻转，`transforms.TenCrop`
- 2、翻转和旋转（Flip and Rotation）
- 依概率p水平翻转：`transforms.RandomHorizontalFlip(p=0.5) `
- 依概率p垂直翻转：`transforms.RandomVerticalFlip(p=0.5) `
- 随机旋转：`transforms.RandomRotation`
- 3、图像变换
- 4、transforms 方法操作
- reference：
（1）torchvision有四个功能模块：model、dataset、transforms、utils
（2）transforms 模块 可对源数据进行预处理、增强
（3）transforms 提供了对PIL Image 对象和 Tensor 对象的常用操作。 可通过PIL直接读取图片， PIL.Image.open(path) ;
官方文档地址： https://pytorch.org/vision/stable/transforms.html
transforms 1、裁剪（Crop） 中心裁剪：transforms.CenterCroptorchvision.transforms.CenterCrop(size)
参数：
size: 所需裁剪的图片尺寸
from PIL import Image
import matplotlib.pyplot as plt
import torchvision.transforms as transforms
img_src = Image.open('./bird.jpg')
img_1 = transforms.CenterCrop(200)(img_src)
img_2 = transforms.CenterCrop((200, 200))(img_src)
img_3 = transforms.CenterCrop((300, 200))(img_src)
img_4 = transforms.CenterCrop((500, 500))(img_src)
plt.subplot(231)
plt.imshow(img_src)
plt.subplot(232)
plt.imshow(img_1)
plt.subplot(233)
plt.imshow(img_2)
plt.subplot(234)
plt.imshow(img_3)
plt.subplot(235)
plt.imshow(img_4)
plt.show()
以上例子我们可知：
（1）如果切正方形，transforms.CenterCrop(100) 和 transforms.CenterCrop((100, 100))，两种写size的方法，效果一样
（2）如果设置的输出的图片尺寸大于原尺寸，会在边上补黑色
随机裁剪：transforms.RandomCrop
# 依据给定的size随机裁剪
torchvision.transforms.RandomCrop(size,
padding = None,
pad_if_needed = False,
fill=0,
padding_mode ='constant')
功能：
从图片中随机裁剪出尺寸为 size 的图片，如果有 padding，那么先进行 padding，再随机裁剪 size 大小的图片。
参数：
size
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，左右填充 a 个像素，上下填充 b 个像素
– – 当为 (a, b, c, d) 时，左上右下分别填充 a，b，c，d
pad_if_needed：当图片小于设置的 size，是否填
padding_mode：
– – constant: 像素值由 fill 设定 （默认）
– – edge: 像素值由图像边缘像素设定
– – reflect: 镜像填充，最后一个像素不镜像。([1,2,3,4] -> [3,2,1,2,3,4,3,2])
– – symmetric: 镜像填充，最后一个像素也镜像。([1,2,3,4] -> [2,1,1,2,3,4,4,4,3])
fill：当 padding_mode 为 constant 时，设置填充的像素值 （默认为0）
torchvision.transforms.RandomResizedCrop(size,
scale=(0.08, 1.0),
ratio=(0.75, 1.3333333333333333),
interpolation=2)
功能：
随机大小、随机宽高比裁剪图片。首先根据 scale 的比例裁剪原图，然后根据 ratio 的长宽比再裁剪，最后使用插值法把图片变换为 size 大小。
参数：
size: 裁剪的图片尺寸
scale: 随机缩放面积比例，默认随机选取 (0.08, 1) 之间的一个数
ratio: 随机长宽比，默认随机选取 (
3
4
displaystylefrac{3}{4}
43,
4
3
displaystylefrac{4}{3}
34 ) 之间的一个数。因为超过这个比例会有明显的失真
interpolation: 当裁剪出来的图片小于 size 时，就要使用插值方法 resize
– – PIL.Image.NEAREST
– – PIL.Image.BILINEAR
– – PIL.Image.BICUBIC
from PIL import Image
import matplotlib.pyplot as plt
import torchvision.transforms as transforms
img_src = Image.open('./bird.jpg')
img_6 = transforms.RandomResizedCrop((200, 300), scale=(1, 1))(img_src)
img_7 = transforms.RandomResizedCrop((200, 300), scale=(0.5, 0.5))(img_src)
img_8 = transforms.RandomResizedCrop((200, 300), scale=(1, 1), ratio=(0.5, 0.5))(img_src)
img_9 = transforms.RandomResizedCrop((400, 600), scale=(1, 1), ratio=(0.5, 0.5))(img_src)
plt.subplot(231)
plt.imshow(img_src)
plt.subplot(232)
plt.imshow(img_6)
plt.subplot(233)
plt.imshow(img_7)
plt.subplot(234)
plt.imshow(img_8)
plt.subplot(235)
plt.imshow(img_9)
plt.show()
上下左右中心裁剪：transforms.FiveCrop
上下左右中心裁剪后翻转，transforms.TenCrop
2、翻转和旋转（Flip and Rotation）
依概率p水平翻转：transforms.RandomHorizontalFlip(p=0.5)
依概率p垂直翻转：transforms.RandomVerticalFlip(p=0.5)
随机旋转：transforms.RandomRotation
3、图像变换
- transforms.Resize
- 标准化：transforms.Normalize
- 转为tensor，并归一化至[0-1]：transforms.ToTensor
- 填充：transforms.Pad
- 修改亮度、对比度和饱和度：transforms.ColorJitter
- 转灰度图：transforms.Grayscale
- 线性变换：transforms.LinearTransformation()
- 仿射变换：transforms.RandomAffine
- 依概率p转为灰度图：transforms.RandomGrayscale
- 将数据转换为PILImage：transforms.ToPILImage
- transforms.Lambda：Apply a user-defined lambda as a transform
4、transforms 方法操作
- 使数据增强更灵活 transforms.RandomChoice(transforms)，从给定的一系列transforms中选一个进行操作
- transforms.RandomApply(transforms, p=0.5)，给一个transform加上概率，依概率进行操作
- transforms.RandomOrder，将transforms中的操作随机打乱
reference：
https://www.cnblogs.com/zhangxiann/p/13570884.html
官方文档地址： https://pytorch.org/vision/stable/transforms.html
