Pytorch：transforms的二十二個方法

本文對transforms.py中的各個預處理方法進行介紹和總結。主要從官方文檔中總結而來，官方文檔只是將方法陳列，沒有歸納總結，順序很亂，這裏總結一共有四大類，方便大家索引：

1. 裁剪——Crop
   中心裁剪：transforms.CenterCrop
   隨機裁剪：transforms.RandomCrop
   隨機長寬比裁剪：transforms.RandomResizedCrop
   上下左右中心裁剪：transforms.FiveCrop
   上下左右中心裁剪後翻轉，transforms.TenCrop

2. 翻轉和旋轉——Flip and Rotation
   依概率p水平翻轉：transforms.RandomHorizontalFlip(p=0.5)
   依概率p垂直翻轉：transforms.RandomVerticalFlip(p=0.5)
   隨機旋轉：transforms.RandomRotation

3. 圖像變換
   resize：transforms.Resize
   標準化：transforms.Normalize
   轉爲tensor，並歸一化至[0-1]：transforms.ToTensor
   填充：transforms.Pad
   修改亮度、對比度和飽和度：transforms.ColorJitter
   轉灰度圖：transforms.Grayscale
   線性變換：transforms.LinearTransformation()
   仿射變換：transforms.RandomAffine
   依概率p轉爲灰度圖：transforms.RandomGrayscale
   將數據轉換爲PILImage：transforms.ToPILImage
   transforms.Lambda：Apply a user-defined lambda as a transform.

4. 對transforms操作，使數據增強更靈活
   transforms.RandomChoice(transforms)， 從給定的一系列transforms中選一個進行操作
   transforms.RandomApply(transforms, p=0.5)，給一個transform加上概率，依概率進行操作
   transforms.RandomOrder，將transforms中的操作隨機打亂

一、 裁剪——Crop

1.隨機裁剪：transforms.RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode=‘constant’)
功能：依據給定的size隨機裁剪
參數：
size- (sequence or int)，若爲sequence,則爲(h,w)，若爲int，則(size,size)
padding-(sequence or int, optional)，此參數是設置填充多少個pixel。
當爲int時，圖像上下左右均填充int個，例如padding=4，則上下左右均填充4個pixel，若爲3232，則會變成4040。
當爲sequence時，若有2個數，則第一個數表示左右擴充多少，第二個數表示上下的。當有4個數時，則爲左，上，右，下。
fill- (int or tuple) 填充的值是什麼（僅當填充模式爲constant時有用）。int時，各通道均填充該值，當長度爲3的tuple時，表示RGB通道需要填充的值。
padding_mode- 填充模式，這裏提供了4種填充模式，1.constant，常量。2.edge 按照圖片邊緣的像素值來填充。3.reflect，暫不瞭解。 4. symmetric，暫不瞭解。

2.中心裁剪：transforms.CenterCrop

class torchvision.transforms.CenterCrop(size)
功能：依據給定的size從中心裁剪
參數：
size- (sequence or int)，若爲sequence,則爲(h,w)，若爲int，則(size,size)

3.隨機長寬比裁剪 transforms.RandomResizedCrop

class torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)
功能：隨機大小，隨機長寬比裁剪原始圖片，最後將圖片resize到設定好的size
參數：
size- 輸出的分辨率
scale- 隨機crop的大小區間，如scale=(0.08, 1.0)，表示隨機crop出來的圖片會在的0.08倍至1倍之間。
ratio- 隨機長寬比設置
interpolation- 插值的方法，默認爲雙線性插值(PIL.Image.BILINEAR)

4.上下左右中心裁剪：transforms.FiveCrop

class torchvision.transforms.FiveCrop(size)
功能：對圖片進行上下左右以及中心裁剪，獲得5張圖片，返回一個4D-tensor
參數：
size- (sequence or int)，若爲sequence,則爲(h,w)，若爲int，則(size,size)

5.上下左右中心裁剪後翻轉: transforms.TenCrop

class torchvision.transforms.TenCrop(size, vertical_flip=False)
功能：對圖片進行上下左右以及中心裁剪，然後全部翻轉（水平或者垂直），獲得10張圖片，返回一個4D-tensor。
參數：
size- (sequence or int)，若爲sequence,則爲(h,w)，若爲int，則(size,size)
vertical_flip (bool) - 是否垂直翻轉，默認爲flase，即默認爲水平翻轉

二、翻轉和旋轉——Flip and Rotation

6.依概率p水平翻轉transforms.RandomHorizontalFlip

class torchvision.transforms.RandomHorizontalFlip(p=0.5)
功能：依據概率p對PIL圖片進行水平翻轉
參數：
p- 概率，默認值爲0.5

7.依概率p垂直翻轉transforms.RandomVerticalFlip

class torchvision.transforms.RandomVerticalFlip(p=0.5)
功能：依據概率p對PIL圖片進行垂直翻轉
參數：
p- 概率，默認值爲0.5

8.隨機旋轉：transforms.RandomRotation

class torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None)
功能：依degrees隨機旋轉一定角度
參數：
degress- (sequence or float or int) ，若爲單個數，如 30，則表示在（-30，+30）之間隨機旋轉
若爲sequence，如(30，60)，則表示在30-60度之間隨機旋轉
resample- 重採樣方法選擇，可選 PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC，默認爲最近鄰
expand- ?
center- 可選爲中心旋轉還是左上角旋轉

三、圖像變換

9.resize：transforms.Resize

class torchvision.transforms.Resize(size, interpolation=2)
功能：重置圖像分辨率
參數：
size- If size is an int, if height > width, then image will be rescaled to (size * height / width, size)，所以建議size設定爲h*w
interpolation- 插值方法選擇，默認爲PIL.Image.BILINEAR

10.標準化：transforms.Normalize

class torchvision.transforms.Normalize(mean, std)
功能：對數據按通道進行標準化，即先減均值，再除以標準差，注意是 hwc

11.轉爲tensor：transforms.ToTensor

class torchvision.transforms.ToTensor
功能：將PIL Image或者 ndarray 轉換爲tensor，並且歸一化至[0-1]
注意事項：歸一化至[0-1]是直接除以255，若自己的ndarray數據尺度有變化，則需要自行修改。

12.填充：transforms.Pad

class torchvision.transforms.Pad(padding, fill=0, padding_mode=‘constant’)
功能：對圖像進行填充
參數：
padding-(sequence or int, optional)，此參數是設置填充多少個pixel。
當爲int時，圖像上下左右均填充int個，例如padding=4，則上下左右均填充4個pixel，若爲3232，則會變成4040。
當爲sequence時，若有2個數，則第一個數表示左右擴充多少，第二個數表示上下的。當有4個數時，則爲左，上，右，下。
fill- (int or tuple) 填充的值是什麼（僅當填充模式爲constant時有用）。int時，各通道均填充該值，當長度爲3的tuple時，表示RGB通道需要填充的值。
padding_mode- 填充模式，這裏提供了4種填充模式，1.constant，常量。2.edge 按照圖片邊緣的像素值來填充。3.reflect，？ 4. symmetric，？

13.修改亮度、對比度和飽和度：transforms.ColorJitter

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

14.轉灰度圖：transforms.Grayscale

class torchvision.transforms.Grayscale(num_output_channels=1)
功能：將圖片轉換爲灰度圖
參數：
num_output_channels- (int) ，當爲1時，正常的灰度圖，當爲3時， 3 channel with r == g == b

15.線性變換：transforms.LinearTransformation()

class torchvision.transforms.LinearTransformation(transformation_matrix)
功能：對矩陣做線性變化，可用於白化處理！ whitening: zero-center the data, compute the data covariance matrix
參數：
transformation_matrix (Tensor) – tensor [D x D], D = C x H x W

16.仿射變換：transforms.RandomAffine

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

17.依概率p轉爲灰度圖：transforms.RandomGrayscale

class torchvision.transforms.RandomGrayscale(p=0.1)
功能：依概率p將圖片轉換爲灰度圖，若通道數爲3，則3 channel with r == g == b

18.將數據轉換爲PILImage：transforms.ToPILImage

class torchvision.transforms.ToPILImage(mode=None)
功能：將tensor 或者 ndarray的數據轉換爲 PIL Image 類型數據
參數：
mode- 爲None時，爲1通道， mode=3通道默認轉換爲RGB，4通道默認轉換爲RGBA

19.transforms.Lambda

Apply a user-defined lambda as a transform.
暫不瞭解，待補充。

四、對transforms操作，使數據增強更靈活

PyTorch不僅可設置對圖片的操作，還可以對這些操作進行隨機選擇、組合

20.transforms.RandomChoice(transforms)

功能：從給定的一系列transforms中選一個進行操作，randomly picked from a list

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

功能：給一個transform加上概率，以一定的概率執行該操作

22.transforms.RandomOrder

功能：將transforms中的操作順序隨機打亂

轉載請註明出處：https://blog.csdn.net/u011995719/article/details/85107009