1 tranforms概述

1.1 torchvision介绍

torchvision是pytorch的计算机视觉工具包，主要有以下三个模块：

• torchvision.transforms：提供了常用的一系列图像预处理方法，例如数据的标准化，中心化，旋转，翻转等。

• torchvision.datasets：定义了一系列常用的公开数据集的datasets，比如MNIST，CIFAR-10，ImageNet等。

• torchvision.model：提供了常用的预训练模型，例如AlexNet，VGG，ResNet，GoogLeNet等。

1.2 tranforms介绍

对于视觉方向的图像处理方面，PyTorch提供了很好的预处理接口，对于图像的转换处理，使用 torchvision.tranforms 模块使得这些操作非常高效。torchvision.transforms常用的图像预处理方法

• 数据中心化，数据标准化

• 缩放，裁剪，旋转，翻转，填充

• 噪声添加，灰度变换，线性变换，仿射变换

• 亮度、饱和度及对比度变换

深度学习是由数据驱动的，数据的数量以及分布对模型的优劣起到决定性作用，所以需要对数据进行一定的预处理以及数据增强，用来提升模型的泛化能力。

上图是1张原始图片经过数据增强之后生成的一系列数据，一共有64张图片。对图片进行数据增强可以丰富训练数据，提高模型的泛化能力。因为如果数据增强生成了与测试样本很相似的图片，那么模型的泛化能力自然可以得到提高。

使用上一节中介绍的二分类实验的代码的数据预处理部分：

2 tranforms图像裁剪

2.1 随机裁剪

函数原型：

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

参数：

• 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]

 示例代码：

import torchvision.transforms as transform
from PIL import Image
import matplotlib.pyplot as pltimg0 = Image.open('../data/dog01.jpg')
img1 = transform.RandomCrop((512, 512))(img0)
img2 = transform.RandomCrop((512, 512), padding=25, fill=125, padding_mode="edge")(img0)axs = plt.figure().subplots(1, 3)
axs[0].imshow(img0)
axs[0].set_title('src')
axs[0].axis('off')axs[1].imshow(img1)
axs[1].set_title('RandomCrop')
axs[1].axis('off')axs[2].imshow(img2)
axs[2].set_title('padding_mode')
axs[2].axis('off')
plt.show()

运行代码显示：

2.2 中心裁剪

函数原型：

torchvision.transforms.CenterCrop(size) 

参数：

• 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)

示例代码：

import torchvision.transforms as transform
from PIL import Image
import matplotlib.pyplot as pltimg0 = Image.open('../data/dog01.jpg')
img1 = transform.CenterCrop(512)(img0)
img2 = transform.CenterCrop((512, 256))(img0)axs = plt.figure().subplots(1, 3)
axs[0].imshow(img0)
axs[0].set_title('src')
axs[0].axis('off')axs[1].imshow(img1)
axs[1].set_title('CenterCrop')
axs[1].axis('off')axs[2].imshow(img2)
axs[2].set_title('CenterCrop2')
axs[2].axis('off')
plt.show()

运行代码显示：

2.3 随机长宽比裁剪

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。

函数原型：

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

参数：

•     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

2.4 上下左右中心裁剪

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 。

函数原型：

torchvision.transforms.FiveCrop(size)

参数：

• size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)

2.5 上下左右中心裁剪后翻转

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。

函数原型：

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

参数：

• 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

3 transforms翻转和旋转

3.1 依概率p水平翻转

以给定的概率随机水平翻转给定的PIL图像。

函数原型：

torchvision.transforms.RandomHorizontalFlip(p=0.5)

参数：

• p- 概率，默认值为0.5

3.2 依概率p垂直翻转

以给定的概率随机垂直翻转给定的PIL图像。

函数原型：

torchvision.transforms.RandomVerticalFlip(p=0.5)

参数：

• p（浮点数） - 图像被翻转的概率。默认值为0.5

3.3 随机旋转

按角度旋转图像。

函数原型：

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

参数：

• 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。

4 transforms图像变换

4.1 调整size

将输入PIL图像的大小调整为给定大小。

函数原型：

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

参数：

• 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

示例代码：

import torchvision.transforms as transform
from PIL import Imageimg0 = Image.open('../data/dog01.jpg')
img1 = transform.Resize((512, 512))(img0)
print('source image shape: ', img0.size)
print('resize image shape: ', img1.size)

运行代码显示：

source image shape:  (1920, 1080)
resize image shape:  (512, 512)

 4.2 转为tensor

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。

函数原型：

torchvision.transforms.ToTensor（）

示例代码：

import torchvision.transforms as transforms
from PIL import Imageimg0 = Image.open('../data/dog01.jpg')
tensor_img = transforms.ToTensor()(img0)

4.3 标准化

Normalize()函数的作用是将数据转换为标准高斯分布，即逐个channel的对图像进行标准化（均值变为0，标准差为1），可以加快模型的收敛。输入（channel,height,width）形式的tensor。
函数原型：

torchvision.transforms.Normalize(mean, std)

参数：

• mean（sequence） - 每个通道的均值序列。

• std（sequence） - 每个通道的标准偏差序列。

• inplace：是否原地操作

output[channel]=（input[channel]−mean[channel]​）/ std[channel]

经常看到的mean=[0.485,0.456,0.406], std=[0.229,0.224,0.225]表示的是从数据集中随机抽样计算得到的。

示例代码：

import torchvision.transforms as transforms
from PIL import Imageimg0 = Image.open('../data/dog01.jpg')
tensor_img = transforms.ToTensor()(img0)
norm_img = transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

4.4 填充

使用给定的“pad”值在所有面上填充给定的PIL图像。

函数原型：

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

参数：

• 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]

4.5 修改亮度、对比度和饱和度

随机更改图像的亮度，对比度和饱和度。

函数原型：

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

参数：

• 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。

4.6 转灰度图

将图片转换为灰度图

函数原型：

torchvision.transforms.Grayscale(num_output_channels=1)

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

4.7 线性变换

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。
函数原型：

torchvision.transforms.LinearTransformation(transformation_matrix) 

参数：

• 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.

4.8 仿射变换

图像保持中心不变的随机仿射变换。

函数原型：

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

参数：

• 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）

4.9 依概率p转为灰度图

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

函数原型：

torchvision.transforms.RandomGrayscale(p=0.1)

4.10 将数据转换为PILImage

将tensor 或者 ndarray的数据转换为 PIL Image 类型数据

函数原型：

torchvision.transforms.ToPILImage(mode=None)

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。

4.11 Lambda函数

将用户定义的lambda应用为变换。

函数原型：

torchvision.transforms.Lambda（lambd ）

参数：

• lambd（函数） - 用于转换的Lambda /函数。

5 transforms操作

5.1 RandomChoice

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

函数原型：

torchvision.transforms.RandomChoice(transforms)

5.2 RandomApply

给一个transform加上概率，以一定的概率执行该操作

函数原型：

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

参数：

• transforms（列表或元组） - 转换列表

• p（浮点数） - 概率

5.3 RandomOrder

将transforms中的操作顺序随机打乱。

函数原型：

torchvision.transforms.RandomOrder(transforms)

 6 transforms.Compose

用于将多个transforms组合起来使用，相当于一个组合器，可以将多个transforms按照顺序组合，然后一次性对数据进行处理。

函数原型：

transforms (list of ``Transform`` objects): list of transforms to compose.

示例代码：

from torchvision import models, transforms# 数据转换
image_transform = transforms.Compose([# 将输入图片resize成统一尺寸transforms.Resize([224, 224]),# 将PIL Image或numpy.ndarray转换为tensor，并除255归一化到[0,1]之间transforms.ToTensor(),# 标准化处理-->转换为标准正太分布，使模型更容易收敛transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])])