Pytorch：transforms－进行在线图像增强的方法总结

小咪咪 2021-12-09 06:27 920阅读 0赞

本文截取自《PyTorch 模型训练实用教程》，获取全文pdf请点击：[https://github.com/tensor-yu/PyTorch\_Tutorial][https_github.com_tensor-yu_PyTorch_Tutorial]

本文对transforms.py中的各个预处理方法进行介绍和总结。主要从官方文档中总结而来，官方文档只是将方法陈列，没有归纳总结，顺序很乱，这里总结一共有四大类，方便大家索引：

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 resize：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.  对transforms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

## 一、 裁剪——Crop ##

## 1.随机裁剪：transforms.RandomCrop ##

class torchvision.transforms.RandomCrop(size, padding=None, pad\_if\_needed=False, fill=0, padding\_mode='constant') 功能：依据给定的size随机裁剪 参数： size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size) padding-(sequence or int, optional)，此参数是设置填充多少个pixel。 当为int时，图像上下左右均填充int个，例如padding=4，则上下左右均填充4个pixel，若为32*32，则会变成40*40。 当为sequence时，若有2个数，则第一个数表示左右扩充多少，第二个数表示上下的。当有4个数时，则为左，上，右，下。 fill- (int or tuple) 填充的值是什么（仅当填充模式为constant时有用）。int时，各通道均填充该值，当长度为3的tuple时，表示RGB通道需要填充的值。 padding\_mode- 填充模式，这里提供了4种填充模式，1.constant，常量。2.edge 按照图片边缘的像素值来填充。3.reflect，暂不了解。 4. symmetric，暂不了解。

## 2.中心裁剪：transforms.CenterCrop ##

class torchvision.transforms.CenterCrop(size) 功能：依据给定的size从中心裁剪 参数： size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)

## 3.随机长宽比裁剪 transforms.RandomResizedCrop ##

class torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2) 功能：随机大小，随机长宽比裁剪原始图片，最后将图片resize到设定好的size 参数： size- 输出的分辨率 scale- 随机crop的大小区间，如scale=(0.08, 1.0)，表示随机crop出来的图片会在的0.08倍至1倍之间。 ratio- 随机长宽比设置 interpolation- 插值的方法，默认为双线性插值(PIL.Image.BILINEAR)

## 4.上下左右中心裁剪：transforms.FiveCrop ##

class torchvision.transforms.FiveCrop(size) 功能：对图片进行上下左右以及中心裁剪，获得5张图片，返回一个4D-tensor 参数： size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)

## 5.上下左右中心裁剪后翻转: transforms.TenCrop ##

class torchvision.transforms.TenCrop(size, vertical\_flip=False) 功能：对图片进行上下左右以及中心裁剪，然后全部翻转（水平或者垂直），获得10张图片，返回一个4D-tensor。 参数： size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size) vertical\_flip (bool) - 是否垂直翻转，默认为flase，即默认为水平翻转

## 二、翻转和旋转——Flip and Rotation ##

## 6.依概率p水平翻转transforms.RandomHorizontalFlip ##

class torchvision.transforms.RandomHorizontalFlip(p=0.5) 功能：依据概率p对PIL图片进行水平翻转 参数： p- 概率，默认值为0.5

## 7.依概率p垂直翻转transforms.RandomVerticalFlip ##

class torchvision.transforms.RandomVerticalFlip(p=0.5) 功能：依据概率p对PIL图片进行垂直翻转 参数： p- 概率，默认值为0.5

## 8.随机旋转：transforms.RandomRotation ##

class torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None) 功能：依degrees随机旋转一定角度 参数： degress- (sequence or float or int) ，若为单个数，如 30，则表示在（-30，+30）之间随机旋转 若为sequence，如(30，60)，则表示在30-60度之间随机旋转 resample- 重采样方法选择，可选 PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC，默认为最近邻 expand- ? center- 可选为中心旋转还是左上角旋转

## 三、图像变换 ##

## 9.resize：transforms.Resize ##

class torchvision.transforms.Resize(size, interpolation=2) 功能：重置图像分辨率 参数： size- If size is an int, if height > width, then image will be rescaled to (size \* height / width, size)，所以建议size设定为h\*w interpolation- 插值方法选择，默认为PIL.Image.BILINEAR

## 10.标准化：transforms.Normalize ##

class torchvision.transforms.Normalize(mean, std) 功能：对数据按通道进行标准化，即先减均值，再除以标准差，注意是 h*w*c

## 11.转为tensor：transforms.ToTensor ##

class torchvision.transforms.ToTensor 功能：将PIL Image或者 ndarray 转换为tensor，并且归一化至\[0-1\] 注意事项：归一化至\[0-1\]是直接除以255，若自己的ndarray数据尺度有变化，则需要自行修改。

## 12.填充：transforms.Pad ##

class torchvision.transforms.Pad(padding, fill=0, padding\_mode='constant') 功能：对图像进行填充 参数： padding-(sequence or int, optional)，此参数是设置填充多少个pixel。 当为int时，图像上下左右均填充int个，例如padding=4，则上下左右均填充4个pixel，若为32*32，则会变成40*40。 当为sequence时，若有2个数，则第一个数表示左右扩充多少，第二个数表示上下的。当有4个数时，则为左，上，右，下。 fill- (int or tuple) 填充的值是什么（仅当填充模式为constant时有用）。int时，各通道均填充该值，当长度为3的tuple时，表示RGB通道需要填充的值。 padding\_mode- 填充模式，这里提供了4种填充模式，1.constant，常量。2.edge 按照图片边缘的像素值来填充。3.reflect，？ 4. symmetric，？

## 13.修改亮度、对比度和饱和度：transforms.ColorJitter ##

class torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0) 功能：修改修改亮度、对比度和饱和度

## 14.转灰度图：transforms.Grayscale ##

class torchvision.transforms.Grayscale(num\_output\_channels=1) 功能：将图片转换为灰度图 参数： num\_output\_channels- (int) ，当为1时，正常的灰度图，当为3时， 3 channel with r == g == b

## 15.线性变换：transforms.LinearTransformation() ##

class torchvision.transforms.LinearTransformation(transformation\_matrix) 功能：对矩阵做线性变化，可用于白化处理！ whitening: zero-center the data, compute the data covariance matrix 参数： transformation\_matrix (Tensor) – tensor \[D x D\], D = C x H x W

## 16.仿射变换：transforms.RandomAffine ##

class torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0) 功能：仿射变换

## 17.依概率p转为灰度图：transforms.RandomGrayscale ##

class torchvision.transforms.RandomGrayscale(p=0.1) 功能：依概率p将图片转换为灰度图，若通道数为3，则3 channel with r == g == b

## 18.将数据转换为PILImage：transforms.ToPILImage ##

class torchvision.transforms.ToPILImage(mode=None) 功能：将tensor 或者 ndarray的数据转换为 PIL Image 类型数据 参数： mode- 为None时，为1通道， mode=3通道默认转换为RGB，4通道默认转换为RGBA

## 19.transforms.Lambda ##

Apply a user-defined lambda as a transform. 暂不了解，待补充。

## 四、对transforms操作，使数据增强更灵活 ##

PyTorch不仅可设置对图片的操作，还可以对这些操作进行随机选择、组合

## 20.transforms.RandomChoice(transforms) ##

功能：从给定的一系列transforms中选一个进行操作，randomly picked from a list

## 21.transforms.RandomApply(transforms, p=0.5) ##

功能：给一个transform加上概率，以一定的概率执行该操作

随机选取变换中(各种变换存储在列表中)的其中一个，同时给定一定的概率

参数：

变换（list或者tuple） ——　转换的列表

p (float 类型) —— 概率,选取某个变化需要的概率

## 22.transforms.RandomOrder ##

功能：将transforms中的操作顺序随机打乱

文章出处：[https://blog.csdn.net/u011995719/article/details/85107009][https_blog.csdn.net_u011995719_article_details_85107009]

[https_github.com_tensor-yu_PyTorch_Tutorial]: https://link.zhihu.com/?target=https%3A//github.com/tensor-yu/PyTorch_Tutorial
[https_blog.csdn.net_u011995719_article_details_85107009]: https://blog.csdn.net/u011995719/article/details/85107009