PyTorch 学习笔记:transforms的二十二个方法（transforms用法非常详细）

电玩女神 2021-12-16 05:26 992阅读 0赞

变换是常见的图像变换。它们可以使用链接在一起`Compose`。此外，还有`torchvision.transforms.functional`模块。功能转换可以对转换进行细粒度控制。如果您必须构建更复杂的转换管道（例如，在分段任务的情况下），这将非常有用。

torchvision.transforms.Compose(transforms)

*  transforms（Transform对象列表）-要组成的变换列表。

例子：

transforms.Compose([
         transforms.CenterCrop(10),
         transforms.ToTensor(), ])

# 常见的图像变换 #

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：

*  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`
 *  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`
 *  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.
 *  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 ####

torchvision.transforms.RandomCrop（size，padding = None，pad_if_needed = False，fill = 0，padding_mode ='constant' ）

*  `size（sequence 或int`） - 作物的所需输出大小。如果size是int而不是像（h，w）这样的序列，则进行正方形裁剪（大小，大小）
 *  `padding（int或sequence ，optional`） - 图像每个边框上的可选填充。默认值为None，即无填充。如果提供长度为4的序列，则它用于分别填充左，上，右，下边界。如果提供长度为2的序列，则分别用于填充左/右，上/下边界
 *  `pad_if_needed（boolean）` \- 如果小于所需大小，它将填充图像以避免引发异常。由于在填充之后完成裁剪，因此填充似乎是在随机偏移处完成的。
 *  fill - 恒定填充的像素填充值。默认值为0.如果长度为3的元组，则分别用于填充R，G，B通道。仅当padding\_mode为常量时才使用此值.
 *  `padding_mode`\-填充类型。应该是：恒定，边缘，反射或对称。默认值是常量。
    
     *  常量：具有常量值的焊盘，该值用填充指定
     *  edge：填充图像边缘的最后一个值
     *  反射：具有图像反射的垫（不重复边缘上的最后一个值）,填充\[1,2,3,4\]在反射模式下两侧有2个元素将导致\[3,2,1,2,3,4,3,2\]
     *  对称：具有图像反射的垫（重复边缘上的最后一个值）,填充\[1,2,3,4\]在对称模式下两侧有2个元素将导致\[2,1,1,2,3,4,4,3\]

#### 2.中心裁剪：transforms.CenterCrop ####

torchvision.transforms.CenterCrop(size)

*  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 ####

torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)

将给定的PIL图像裁剪为随机大小和宽高比。  
将原始图像大小变成随机大小（默认值：是原始图像的0.08到1.0倍）和随机宽高比（默认值：3/4到4/3倍）。这种方法最终调整到适当的大小。这通常用于训练Inception网络。

*  size - 每条边的预期输出大小
 *  scale - 裁剪的原始尺寸的大小范围
 *  ratio - 裁剪的原始宽高比的宽高比范围
 *  interpolation - 默认值：PIL.Image.BILINEAR

#### 4.上下左右中心裁剪：transforms.FiveCrop ####

torchvision.transforms.FiveCrop(size)

将给定的PIL图像裁剪为四个角和中央裁剪。  
此转换返回图像元组，并且数据集返回的输入和目标数量可能不匹配。

*  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 ####

torchvision.transforms.TenCrop(size, vertical_flip=False)

将给定的PIL图像裁剪为四个角，中央裁剪加上这些的翻转版本（默认使用水平翻转）。  
此转换返回图像元组，并且数据集返回的输入和目标数量可能不匹配。

*  size（sequence 或int） -作物的所需输出大小。如果size是int而不是像（h，w）这样的序列，则进行正方形裁剪（大小，大小）。
 *  vertical\_flip（bool） - 使用垂直翻转而不是水平翻转

# 二、翻转和旋转——Flip and Rotation #

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

torchvision.transforms.RandomHorizontalFlip(p=0.5)

以给定的概率随机水平翻转给定的PIL图像。

*  p- 概率，默认值为0.5

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

torchvision.transforms.RandomVerticalFlip(p=0.5)

以给定的概率随机垂直翻转给定的PIL图像。

*  p（浮点数） - 图像被翻转的概率。默认值为0.5

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

torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None)

按角度旋转图像。

*  degrees（sequence 或float或int） -要选择的度数范围。如果degrees是一个数字而不是像（min，max）这样的序列，则度数范围将是（-degrees，+ degrees）。
 *  resample（\{PIL.Image.NEAREST ，PIL.Image.BILINEAR ，PIL.Image.BICUBIC\} ，可选） - 可选的重采样过滤器。请参阅过滤器以获取更多信 如果省略，或者图像具有模式“1”或“P”，则将其设置为PIL.Image.NEAREST。
 *  expand（bool，optional） - 可选的扩展标志。如果为true，则展开输出以使其足够大以容纳整个旋转图像。如果为false或省略，则使输出图像与输入图像的大小相同。请注意，展开标志假定围绕中心旋转而不进行平移。
 *  center（2-tuple ，optional） - 可选的旋转中心。原点是左上角。默认值是图像的中心。

# 三、图像变换 #

#### 9.resize：transforms.Resize ####

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

将输入PIL图像的大小调整为给定大小。

*  size（sequence 或int） -所需的输出大小。如果size是类似（h，w）的序列，则输出大小将与此匹配。如果size是int，则图像的较小边缘将与此数字匹配。即，如果高度>宽度，则图像将重新缩放为（尺寸\*高度/宽度，尺寸）
 *  interpolation（int，optional） - 所需的插值。默认是 PIL.Image.BILINEAR

#### 10.标准化：transforms.Normalize ####

torchvision.transforms.Normalize(mean, std)

用平均值和标准偏差归一化张量图像。给定mean：(M1,…,Mn)和std：(S1,…,Sn)对于n通道，此变换将标准化输入的每个通道，torch.\*Tensor即 input\[channel\] = (input\[channel\] - mean\[channel\]) / std\[channel\]

*  mean（sequence） - 每个通道的均值序列。
 *  std（sequence） - 每个通道的标准偏差序列。

#### 11.转为tensor：transforms.ToTensor ####

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 ####

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

使用给定的“pad”值在所有面上填充给定的PIL图像。

*  padding（int或tuple） -每个边框上的填充。如果提供单个int，则用于填充所有边框。如果提供长度为2的元组，则分别为左/右和上/下的填充。如果提供长度为4的元组，则分别为左，上，右和下边框的填充。
 *  fill（int或tuple） - 常量填充的像素填充值。默认值为0.如果长度为3的元组，则分别用于填充R，G，B通道。仅  
    padding\_mode为常量时才使用此值
 *  padding\_mode（str）
    
     *  填充类型。应该是：恒定，边缘，反射或对称。默认值是常量。
        
         *  常量：具有常量值的焊盘，该值用填充指定
         *  edge：填充图像边缘的最后一个值
         *  反射：具有图像反射的焊盘，而不重复边缘上的最后一个值.例如，在反射模式下在两侧填充2个元素的填充\[1,2,3,4\]将导致\[3,2,1,2,3,4,3,2\]
         *  对称：具有图像反射的垫，重复边缘上的最后一个值.例如，在对称模式下填充两侧带有2个元素的\[1,2,3,4\]将导致\[2,1,1,2,3,4,4,3\]

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

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

随机更改图像的亮度，对比度和饱和度。

*  亮度（浮点数或python的元组：浮点数（最小值，最大值）） - 抖动亮度多少。从\[max（0,1-brightness），1 +brightness\]或给定\[min，max\]均匀地选择brightness\_factor。应该是非负数。
 *  对比度（浮点数或python的元组：浮点数（最小值，最大值）） - 抖动对比度多少。contrast\_factor从\[max（0,1-contrast），1 + contrast\]或给定\[min，max\]中均匀选择。应该是非负数。
 *  饱和度（浮点数或python的元组数：float （min ，max ）） - 饱和度抖动多少。饱和度\_因子从\[max（0,1-saturation），1 + saturation\]或给定\[min，max\]中均匀选择。应该是非负数。
 *  色调（浮点数或python的元组：浮点数（最小值，最大值）） - 抖动色调多少。从\[-hue，hue\]或给定的\[min，max\]中均匀地选择hue\_factor。应该有0 <= hue <= 0.5或-0.5 <= min <= max <= 0.5。

#### 14.转灰度图：transforms.Grayscale ####

torchvision.transforms.Grayscale(num_output_channels=1)

将图像转换为灰度。  
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() ####

torchvision.transforms.LinearTransformation(transformation_matrix)

使用方形变换矩阵和离线计算的mean\_vector变换张量图像。给定transformation\_matrix和mean\_vector，将使矩阵变平。从中拉伸并减去mean\_vector，然后用变换矩阵计算点积，然后将张量重新整形为其原始形状。  
白化转换：假设X是列向量零中心数据。然后torch.mm计算数据协方差矩阵\[D x D\]，对该矩阵执行SVD并将其作为transformation\_matrix传递。

*  transformation\_matrix（Tensor） - 张量\[D x D\]，D = C x H x W.
 *  mean\_vector（Tensor） - 张量\[D\]，D = C x H x W.

#### 16.仿射变换：transforms.RandomAffine ####

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

图像保持中心不变的随机仿射变换。

*  degrees（sequence 或float或int） -要选择的度数范围。如果degrees是一个数字而不是像（min，max）这样的序列，则度数范围将是（-degrees，+degrees）。设置为0可停用旋转。
 *  translate（元组，可选） - 水平和垂直平移的最大绝对分数元组。例如translate =（a，b），然后在范围-img\_width \* a <dx <img\_width \* a中随机采样水平移位，并且在-img\_height \* b <dy <img\_height \* b范围内随机采样垂直移位。默认情况下不会翻译。
 *  scale（元组，可选） - 缩放因子间隔，例如（a，b），然后从范围a <= scale <= b中随机采样缩放。默认情况下会保持原始比例。
 *  shear（sequence 或float或int，optional） - 要选择的度数范围。如果degrees是一个数字而不是像（min，max）这样的序列，则度数范围将是（-degrees，+ degrees）。默认情况下不会应用剪切
 *  resample（\{PIL.Image.NEAREST ，PIL.Image.BILINEAR ，PIL.Image.BICUBIC\} ，可选） - 可选的重采样过滤器。请参阅过滤器以获取更多信 如果省略，或者图像具有模式“1”或“P”，则将其设置为PIL.Image.NEAREST。
 *  fillcolor（int） - 输出图像中变换外部区域的可选填充颜色。（Pillow> = 5.0.0）

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

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 ####

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 ####

torchvision.transforms.Lambda（lambd ）

将用户定义的lambda应用为变换。

*  lambd（函数） - 用于转换的Lambda /函数。

# 四、对transforms操作，使数据增强更灵活 #

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

torchvision.transforms.RandomChoice(transforms)

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) ####

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

给一个transform加上概率，以一定的概率执行该操作

*  transforms（列表或元组） - 转换列表
 *  p（浮点数） - 概率

#### 22.transforms.RandomOrder ####

torchvision.transforms.RandomOrder(transforms)

将transforms中的操作顺序随机打乱。

## 参考 ##

[PyTorch 学习笔记（三）：transforms的二十二个方法][PyTorch _transforms]  
[TORCHVISION.TRANSFORMS][]

[PyTorch _transforms]: https://zhuanlan.zhihu.com/p/53367135
[TORCHVISION.TRANSFORMS]: https://pytorch.org/docs/stable/torchvision/transforms.html#torchvision.transforms.ColorJitter