PyTorch框架學(xué)習(xí)五——圖像預(yù)處理transforms（一）

• 一、transforms運(yùn)行機(jī)制
• 二、transforms的具體方法
• • 1.裁剪
  • • （1）隨機(jī)裁剪：transforms.RandomCrop()
    • （2）中心裁剪：transforms.CenterCrop()
    • （3）隨機(jī)長(zhǎng)寬比裁剪：transforms.RandomCrop()
    • （4）上下左右中心裁剪：transforms.FiveCrop()
    • （5）上下左右中心裁剪后翻轉(zhuǎn)：transforms.TenCrop()
  • 2.翻轉(zhuǎn)、旋轉(zhuǎn)
  • • （1）依概率p水平翻轉(zhuǎn)：transforms.RandomHorizontalFlip()
    • （2）依概率p垂直翻轉(zhuǎn)：transforms.RandomVerticalFlip()
    • （3）隨機(jī)旋轉(zhuǎn)：transforms.RandomRotation()

一、transforms運(yùn)行機(jī)制

介紹transforms之前先簡(jiǎn)單介紹一下torchvision。

torchvision是PyTorch的計(jì)算機(jī)視覺工具包，包含了一些與CV相關(guān)的處理。有三個(gè)需要重要介紹：

torchvision.transforms：包含了常用的圖像預(yù)處理方法，如數(shù)據(jù)中心化、標(biāo)準(zhǔn)化、縮放、裁剪等。

torchvision.datasets：包含了常用數(shù)據(jù)集的dataset實(shí)現(xiàn)，如MNIST、CIFAR-10、ImageNet等。

torchvision.model：包含了常用的預(yù)訓(xùn)練模型，如AlexNet、VGG、ResNet、GoogleNet等。

在transforms中除了具體的預(yù)處理方法之外，有一個(gè)Compose操作，這里提前介紹，它可以將一系列transforms操作有序地組合包裝，以此按順序執(zhí)行每一項(xiàng)操作。

torchvision.transforms.Compose(transforms)

參數(shù)：

如：

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

二、transforms的具體方法

transforms的操作一般的目的是為了圖像預(yù)處理和數(shù)據(jù)增強(qiáng)，所謂數(shù)據(jù)增強(qiáng)，又稱數(shù)據(jù)增廣、數(shù)據(jù)擴(kuò)增，它是對(duì)訓(xùn)練集進(jìn)行變換，使訓(xùn)練集更豐富，從而讓模型更具泛化能力。下面將介紹二十多種具體的transforms的方法。

1.裁剪

（1）隨機(jī)裁剪：transforms.RandomCrop()

功能：從圖片中隨機(jī)裁剪出尺寸為size的部分，圖像可以是PIL格式或者是張量。

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

參數(shù)如下：

size：（序列或int）若為int，則是（size，size）的大小，若為序列如（h，w），則大小為（h，w）。

padding：（序列或int，可選）默認(rèn)為None，當(dāng)為整數(shù)a時(shí)，上下左右的邊均要填充a個(gè)像素；當(dāng)為(a, b)時(shí)，上下兩邊填充b個(gè)像素，左右兩邊填充a個(gè)；當(dāng)為(a, b, c, d)時(shí)，左、上、右、下分別填充a、b、c、d個(gè)像素。

pad_if_need：（布爾型）如果輸入的圖像尺寸小于要裁剪的尺寸size，則填充，以防報(bào)錯(cuò)。

fill：padding_mode中constant模式時(shí)設(shè)置填充的像素值，默認(rèn)為0。

padding_mode：填充模式，有四種，constant、edge、reflect和symmetric，默認(rèn)為constant，而且目前symmetric模式不支持輸入為張量（Tensor）。constant模式：像素值由fill設(shè)定；edge模式：由圖像邊緣像素決定；reflect模式：鏡像填充，最后一個(gè)像素不鏡像，如[1, 2, 3, 4]→[3, 2, 1, 2, 3, 4, 3, 2]；symmetric模式：鏡像填充，最后一個(gè)像素也鏡像，如[1, 2, 3, 4]→[2, 1, 1, 2, 3, 4, 4, 3]。

下面看一下隨機(jī)裁剪的幾個(gè)例子及其效果，變換前圖片的原始尺寸為224×224，如下圖所示：

（1）隨機(jī)裁剪尺寸為224，padding=16，即四邊都填充16個(gè)像素，就是在256×256的范圍隨機(jī)裁剪224×224的大小，效果如下圖所示：

transforms.RandomCrop(224, padding=16)

（2）隨機(jī)裁剪尺寸為224，padding=（16, 64），即左右填充16個(gè)像素，上下填充64個(gè)像素，就是在256×352 的范圍隨機(jī)裁剪224×224的大小，效果如下圖所示：

transforms.RandomCrop(224, padding=(16, 64))

（3）與（1）不同之處就在于像素的填充，這里設(shè)定了填充的像素值為(255, 0, 0)，效果如下圖所示：

transforms.RandomCrop(224, padding=16, fill=(255, 0, 0))

（4）隨機(jī)裁剪的尺寸為512，大于原始圖像的尺寸224，所以pad_if_needed必須設(shè)置為True來進(jìn)行自動(dòng)填充，擴(kuò)大尺寸（填充是隨機(jī)的），效果如下圖所示：

transforms.RandomCrop(512, pad_if_needed=True)

（5）與（1）或（3）不同的是，填充模式設(shè)定為‘edge’，效果如下圖所示：

transforms.RandomCrop(224, padding=64, padding_mode='edge')

（6）與（1）或（3）或（5）不同的是，填充模式設(shè)定為 ‘reflect’ ，效果如下圖所示：

transforms.RandomCrop(224, padding=64, padding_mode='reflect')

（7）最后看一個(gè)綜合一點(diǎn)的：

transforms.RandomCrop(1024, padding=1024, padding_mode='symmetric')

（2）中心裁剪：transforms.CenterCrop()

功能：從圖像中心裁剪圖片，圖片可以是PIL格式或是張量。

torchvision.transforms.CenterCrop(size)

例子如下：

transforms.CenterCrop(128)

transforms.CenterCrop(512)

（3）隨機(jī)長(zhǎng)寬比裁剪：transforms.RandomCrop()

功能：隨機(jī)大小、長(zhǎng)寬比裁剪圖片，圖片可以是PIL格式或是張量。

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

參數(shù)如下：

size：同上。

scale：隨機(jī)裁剪的大小區(qū)間，如scale=(0.08, 1.0)，即隨機(jī)裁剪出的圖片面積會(huì)在原始面積的0.08倍至1.0倍之間。

ratio：隨機(jī)長(zhǎng)寬比的范圍，默認(rèn)為(3/4，4/3)。

interpolation：插值方法，有三種，分別為PIL.Image.NEAREST、PIL.Image.BILINEAR、PIL.Image.BICUBIC，默認(rèn)為PIL.Image.BILINEAR。

例子如下：裁剪出來的部分是原來部分面積的0.5倍，但是大小又必須為224不變，所以用了默認(rèn)了插值方法PIL.Image.BILINEAR。

transforms.RandomResizedCrop(size=224, scale=(0.5, 0.5))

（4）上下左右中心裁剪：transforms.FiveCrop()

功能：對(duì)給定圖像的四個(gè)角以及中心進(jìn)行裁剪，圖片可以是PIL格式或是張量，返回一個(gè)包含五個(gè)元素的元組（tuple），一般都要緊跟一個(gè)將元組轉(zhuǎn)變?yōu)閺埩康牟僮?#xff0c;而且還要注意前后代碼尺寸上的匹配。

torchvision.transforms.FiveCrop(size)

參數(shù)size同上。

例子如下，緊跟了一個(gè)將元組變換為張量的操作：

transforms.FiveCrop(112) transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])),

（5）上下左右中心裁剪后翻轉(zhuǎn)：transforms.TenCrop()

功能：在圖像（PIL格式或者是張量）的上下左右四個(gè)角以及中心裁剪出尺寸為size的5張圖片，TenCrop對(duì)這5張圖片進(jìn)行水平或垂直鏡像從而獲得10張圖片。

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

參數(shù)如下：

size：同上。

vertical_flip：設(shè)置為True時(shí)，會(huì)垂直翻轉(zhuǎn)，為False時(shí)，會(huì)水平翻轉(zhuǎn)，默認(rèn)為False。

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

2.翻轉(zhuǎn)、旋轉(zhuǎn)

（1）依概率p水平翻轉(zhuǎn)：transforms.RandomHorizontalFlip()

功能：依概率水平翻轉(zhuǎn)，輸入圖像為PIL格式或是張量。

torchvision.transforms.RandomHorizontalFlip(p=0.5)

參數(shù)：

例子如下：

transforms.RandomHorizontalFlip(p=1)

（2）依概率p垂直翻轉(zhuǎn)：transforms.RandomVerticalFlip()

功能：依概率垂直翻轉(zhuǎn)，輸入圖像為PIL格式或是張量。

torchvision.transforms.RandomVerticalFlip(p=0.5)

例子如下：

transforms.RandomVerticalFlip(p=1)

（3）隨機(jī)旋轉(zhuǎn)：transforms.RandomRotation()

功能：隨機(jī)旋轉(zhuǎn)圖片。

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

參數(shù)如下：

degrees：旋轉(zhuǎn)的角度，當(dāng)為a時(shí)，在（-a, a）之間選擇旋轉(zhuǎn)角度；當(dāng)為（a, b）時(shí)，在（a, b）之間選擇角度。

resample：（可選）重采樣方法（以后細(xì)學(xué)）。

expand：（布爾，可選）若為True，則會(huì)自動(dòng)擴(kuò)大輸出尺寸，以保證原圖信息不丟失；若為False或省略，輸出尺寸保持和輸入一致。

center：（可選）旋轉(zhuǎn)中心，以左上角為原點(diǎn)（0,0），默認(rèn)旋轉(zhuǎn)中心為圖像中心點(diǎn)。

fill：像素填充值，默認(rèn)為0，只支持pillow>=5.2.0版本。

注意：expand的計(jì)算公式是針對(duì)中心點(diǎn)旋轉(zhuǎn)的，若設(shè)置為左上角旋轉(zhuǎn)或者其他點(diǎn)為旋轉(zhuǎn)中心，則不能保證保持原圖信息。

下面看幾個(gè)例子：
（1）中心點(diǎn)旋轉(zhuǎn)，范圍（-90度，90度）：

transforms.RandomRotation(90)

（2）設(shè)置expand保持原圖信息，圖像尺寸自動(dòng)擴(kuò)大：

transforms.RandomRotation((90), expand=True)

（3）旋轉(zhuǎn)中心改為左上角：

transforms.RandomRotation(30, center=(0, 0))

（4）旋轉(zhuǎn)中心為左上角并進(jìn)行expand：

transforms.RandomRotation(30, center=(0, 0), expand=True)

結(jié)果不能保證保持原圖信息：

總結(jié)

以上是生活随笔為你收集整理的PyTorch框架学习五——图像预处理transforms（一）的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。