PyTorch框架學習六——圖像預處理transforms（二）

• （續）二、transforms的具體方法
• • 4.圖像變換
  • • （1）尺寸變換：transforms.Resize()
    • （2）標準化：transforms.Normalize()
    • （3）轉為tensor：transforms.ToTensor()
    • （4）將數據轉換為PILImage：transforms.ToPILImage()
    • （5）填充：transforms.Pad()
    • （6）修改亮度、對比度、飽和度：transforms.ColorJitter()
    • （7）轉灰度圖：transforms.Grayscale()
    • （8）依概率p轉為灰度圖：transforms.RandomGrayscale()
    • （9）仿射變換：transforms.RandomAffine()
    • （10）隨機遮擋：transforms.RandomErasing()
  • 5.transforms的操作
  • • （1）transforms.Lambda()
    • （2）transforms.RandomChoice()
    • （3）transforms.RandomApply()
    • （4）transforms.RandomOrder()

這次筆記是續PyTorch框架第五次筆記，上次筆記鏈接為：https://blog.csdn.net/qq_40467656/article/details/107914085

（續）二、transforms的具體方法

4.圖像變換

（1）尺寸變換：transforms.Resize()

功能：將輸入圖像的尺寸resize到給定的尺寸。
操作對象：PIL格式或是張量。

torchvision.transforms.Resize(size, interpolation=2)

參數如下：

size：同上（上次筆記）。

interpolation：同上（上次筆記）。

原始圖像尺寸（224,224）：（注意坐標軸）

transforms.Resize((512, 512))

resize后的結果，注意坐標軸

（2）標準化：transforms.Normalize()

功能：逐通道的標準化圖像，公式為
output[channel] = (input[channel] - mean[channel]) / std[channel]
操作對象：張量。

torchvision.transforms.Normalize(mean, std, inplace=False)

參數如下：

mean：（序列）每個通道的均值。

std：（序列）每個通道的標準差。

inplace：（布爾，可選）是否為原地操作。

標準化的作用：可以加快模型的收斂。

例子如下，這是RGB三通道圖像，所以均值標準差都要有三個：

norm_mean = [0.485, 0.456, 0.406] norm_std = [0.229, 0.224, 0.225] transforms.Normalize(norm_mean, norm_std)

（3）轉為tensor：transforms.ToTensor()

功能：將 PIL Image 或 numpy.ndarray 轉變為tensor。
操作對象：PIL格式或是ndarray。

torchvision.transforms.ToTensor

將一個尺寸為（H×W×C）像素值范圍[0, 255]的PIL圖像或numpy的ndarray轉變為尺寸為（C×H×W）像素值范圍[0.0, 1.0]。

transforms.ToTensor()

因為像素值都小于等于1，所以顯示不出來，其實像素值是有值的。

（4）將數據轉換為PILImage：transforms.ToPILImage()

功能：將張量或ndarray轉換為PIL圖像，同時保留值的范圍。
操作對象：ndarray或是張量。

torchvision.transforms.ToPILImage(mode=None)

參數如下：

（5）填充：transforms.Pad()

功能：對圖片的邊緣進行填充。
操作對象：PIL格式或是張量。

torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')

參數如下：

padding：設置填充的大小。若為a，則四邊都填充a個像素距離；若為（a，b），則左右兩邊填充a個，上下兩邊填充b個；若為（a，b，c，d），則分別對應左、上、右、下四個邊。

fill：只有padding_mode設置為constant時有效，constant模式下要填充的像素值（R、G、B）或（Gray），默認為0。

padding_mode：填充模式，有constant、edge、reflect和symmetric四種，同上。

幾個例子如下：

（1）四邊都填充32像素，模式為constant，填充值為(255, 0, 0)（紅色）。

transforms.Pad(padding=32, fill=(255, 0, 0), padding_mode='constant')

（2）padding不一樣，其他和（1）一樣：

transforms.Pad(padding=(8, 64), fill=(255, 0, 0), padding_mode='constant')

（3）padding不一樣，其他和（1）一樣：

transforms.Pad(padding=(8, 16, 32, 64), fill=(255, 0, 0), padding_mode='constant')

（4）模式改成了symmetric，此時的fill無效：

transforms.Pad(padding=(8, 16, 32, 64), fill=(255, 0, 0), padding_mode='symmetric')

（6）修改亮度、對比度、飽和度：transforms.ColorJitter()

功能：調整亮度、對比度、飽和度和色相。
操作對象：PIL格式或是張量。

torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

參數如下：

brightness：亮度調整因子，當為a時，從[max(0, 1-a), 1+a]中隨機選擇；當為(a, b)時，從[a, b]中隨機選擇。

contrast：對比度參數，同brightness。

saturation：飽和度參數，同brightness。

hue：色相參數，當為a時，從[-a, a]中選擇，0<=a<=0.5；當為(a, b)時，從[a, b]中隨機選擇，-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]之間選擇：

（2）對比度：

transforms.ColorJitter(contrast=0.5)

（3）飽和度：

transforms.ColorJitter(saturation=0.5)

（4）色相：

transforms.ColorJitter(hue=0.3)

（7）轉灰度圖：transforms.Grayscale()

功能：將圖像轉變為灰度圖，返回類型為PIL圖像。
操作對象：PIL圖像。

torchvision.transforms.Grayscale(num_output_channels=1)

參數：

注意它的返回，通道為3時，三通道的值相等：

例子如下：

transforms.Grayscale(num_output_channels=3)

（8）依概率p轉為灰度圖：transforms.RandomGrayscale()

功能：依概率將圖片轉換為灰度圖。
操作對象：PIL圖像。

torchvision.transforms.RandomGrayscale(p=0.1)

（9）仿射變換：transforms.RandomAffine()

功能：對圖像進行仿射變換，仿射變換是二維的線性變換，由五種基本原子構成，分別是旋轉、平移、縮放、錯切和翻轉。
操作對象：PIL格式（或是張量？不清楚張量可不可以）。

torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)

參數如下：

degrees：旋轉角度，同RandomRotation()。

translate：平移區間設置，如（a，b），則水平平移距離在（-img_width×a，img_width×a）區間內選擇，垂直平移距離在（-img_height×b，img_height×b）區間內選擇，默認不平移。

scale：縮放比例，默認不縮放。

shear：錯切角度設置，若為a，則圖像會沿著x軸方向錯切，錯切角度在（-a，a）范圍內；若為（a，b），則圖像會沿著x軸方向錯切，錯切角度在（a，b）范圍內；若為（a，b，c，d），則圖像會沿著x軸方向錯切，錯切角度在（a，b）范圍內，并且沿著y軸錯切，錯切角度在（c，d）范圍內。

resample：插值方法。

fillcolor：填充顏色設置，（R，G，B）或（Gray）。

例子如下：

（1）旋轉

transforms.RandomAffine(degrees=30)

（2）平移

transforms.RandomAffine(degrees=0, translate=(0.2, 0.2), fillcolor=(255, 0, 0))

（3）縮放

transforms.RandomAffine(degrees=0, scale=(0.7, 0.7))

（4）y方向錯切

transforms.RandomAffine(degrees=0, shear=(0, 0, 0, 45))

（5）x方向錯切

transforms.RandomAffine(degrees=0, shear=90, fillcolor=(255, 0, 0))

（10）隨機遮擋：transforms.RandomErasing()

功能：在圖像中隨機選擇一個矩陣區域并遮擋其像素。
操作對象：張量。

torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)

參數如下：

p：執行隨機遮擋操作的概率。

scale：遮擋區域的面積。

ratio：遮擋區域的長寬比。

value：設置遮擋區域的像素值，（R,G,B）或（Gray）。

inplace：是否原地操作，默認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若是一個字符串，則會是隨機填充。

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：用戶自定義lambda方法。

torchvision.transforms.Lambda(lambd)

參數：

格式為：
lambda[ arg1 [,arg2,…] ]：expression
其中：
arg1 [,arg2,…]為輸入參數，expression為要做的操作以及返回的內容。

例子如下：

transforms.TenCrop(112, vertical_flip=False) transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops]))

這里的操作是將TenCrop生成的十個圖像拼接成一個張量。

（2）transforms.RandomChoice()

功能：從一系列transforms方法中隨機挑選一個。

torchvision.transforms.RandomChoice(transforms)

格式為：

transforms.RandomChoice([transforms1, transforms2, transforms3,...])

如：要么垂直翻轉，要么水平翻轉。

transforms.RandomChoice([transforms.RandomVerticalFlip(p=1), transforms.RandomHorizontalFlip(p=1)])

（3）transforms.RandomApply()

功能：依據概率執行一組transforms操作。

torchvision.transforms.RandomApply(transforms, p=0.5)

如：0.5的概率執行仿射變換后灰度化。

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：對一組transforms方法打亂，然后順序執行。

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))]),

總結

以上是生活随笔為你收集整理的PyTorch框架学习六——图像预处理transforms（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。