PyTorch学习—7.数据预处理模块

文章目录

一、数据预处理transforms模块机制
二、二十二种transforms数据预处理方法
- 2.裁剪
- 3. 翻转与旋转
- 4.图像变换
- 5.transforms方法的选择操作
- 6.自定义transfroms方法

一、数据预处理transforms模块机制

torchvision.transforms模块包含了很多图像预处理方法：

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

这个模块可以进行数据增强与数据预处理，增强模型的泛化能力。数据预处理transforms在数据读取过程中，最后生成数据预处理完的batch data。

class RMBDataset(Dataset):def __init__(self, data_dir, transform=None):"""rmb面额分类任务的Dataset:param data_dir: str, 数据集所在路径:param transform: torch.transform，数据预处理"""self.label_name = {"1": 0, "100": 1}self.data_info = self.get_img_info(data_dir)  # data_info存储所有图片路径和标签，在DataLoader中通过index读取样本self.transform = transformdef __getitem__(self, index):path_img, label = self.data_info[index]img = Image.open(path_img).convert('RGB')     # 0~255# 在数据读取的这个节点开始调用transform，迭代使用多种tansform方法if self.transform is not None:img = self.transform(img)   # 在这里做transform，转为tensor等等return img, labeldef __len__(self):return len(self.data_info)@staticmethoddef get_img_info(data_dir):data_info = list()for root, dirs, _ in os.walk(data_dir):# 遍历类别for sub_dir in dirs:img_names = os.listdir(os.path.join(root, sub_dir))img_names = list(filter(lambda x: x.endswith('.jpg'), img_names))# 遍历图片for i in range(len(img_names)):img_name = img_names[i]path_img = os.path.join(root, sub_dir, img_name)label = rmb_label[sub_dir]data_info.append((path_img, int(label)))return data_info

二、二十二种transforms数据预处理方法

2.裁剪

transforms.CenterCrop
功能:从图像中心裁剪图片

size:所需裁剪图片尺寸

transforms.RandomCrop

transforms.RandomCrop(size,padding=None,pad_if_needed=False,fill=6,padding_mode= 'constant ' )

功能:从图片中随机裁剪出尺寸为size的图片

size:所需裁剪图片尺寸
padding:设置填充大小
当为a时，上下左右均填充a个像素
当为(a, b)时,上下填充b个像素,左右填充a个像素
当为(a，b，c，d)时，左，上，右，下分别填充a， b，c， d
pad_if_need:若图像小于设定size，则填充
padding_mode:填充模式,有4种模式
1、constant:像素值由filI设定
2、edge:像素值由图像边缘像素决定
3、reflect:镜像填充，最后一个像素不镜像，eg:[1,2,3.4] →[3,2,1,2,3,4,3,2]
4、symmetric:镜像填充，最后一个像素镜像，eg:[1,2,3,4]→[2,1,1,2,3,4,4,3].
fill: constant时,设置填充的像素值

transforms.RandomResizedCrop

RandomResizedCrop(size,scale=(0.08,1.0),ratio=(3/4，4/3),interpolation)

功能:随机大小、长宽比裁剪图片

size:所需裁剪图片尺寸
scale :随机裁剪面积比例，默认(0.08，1)
ratio:随机长宽比，默认(3/4，4/3)
interpolation:插值方法
PIL.lmage.NEAREST
PIL.lmage.BILINEAR
PIL.lmage.BICUBIC

transforms.FiveCrop

transforms .FiveCrop(size)

功能:在图像的上下左右以及中心裁剪出尺寸为size的5张图片

# 将tuple格式转换为Tensor格式
transforms.FiveCrop(112),
transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops]))

transforms.TenCrop
功能:TenCrop对这5张图片进行水平或者垂直镜像获得10张图片

size :所需裁剪图片尺寸
vertical_flip :是否垂直翻转

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

3. 翻转与旋转

transforms.RandomHorizontalFlip

transforms.RandomHorizontalFlip(p=0.5)

功能：依概率水平（左右）翻转图片

p:翻转概率

transforms.RandomVerticalFlip

transforms.RandomVerticalFlip(p=0.5)

功能：依概率垂直（上下）翻转图片

p:翻转概率

transforms.RandomRotation

RandomRotation(degrees,resample=False,expand=False,center=None)

功能:随机旋转图片

degrees :旋转角度
当为a时，在(-a，a)之间选择旋转角度
当为(a,b)时,在(a，b)之间选择旋转角度
resample :重采样方法
expand :是否扩大图片，以保持原图信息

4.图像变换

transforms.Pad

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

功能:对图片边缘进行填充

padding:设置填充大小
当为a时，上下左右均填充a个像素
当为(a, b)时，上下填充b个像素，左右填充a个像素
当为(a，b，c，d)时，左，上，右，下分别填充a，b，c，d
padding_mode:填充模式，有4种模式，
constant、edge、reflect和symmetric
fill:constant时，设置填充的像素值，(R，G,B)or(Gray)

transforms.colorjitter

transforms.colorJitter(brightness=0,contrast=0,saturation=0,hue=0)

功能:调整亮度、对比度、饱和度和色相

brightness:亮度调整因子
当为a时，从[max(0，1-a)，1+a]中随机选择
当为(a，b)时，从[a，b]中随机选择
contrast :对比度参数，同brightness
saturation:饱和度参数，同brightness
hue:色相参数，
当为a时，从[-a，a]中选择参数，
注:0<= a <= 0.5
当为(a，b)时:,从[a，b]中选择参数
注：-0.5<=a<=b<=0.5

transforms.Grayscale

Grayscale(num_output_channels)

功能：将图片转换为灰度图

num_ouput_channels:输出通道数只能设1或3

transforms.RandomGrayscale
功能：依概率将图片转换为灰度图

num_ouput_channels:输出通道数只能设1或3
p︰概率值，图像被转换为灰度图的概率

transforms.RandomAffine

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

功能:对图像进行仿射变换，仿射变换是二维的线性变换，由五种基本原子变换构成，分别是旋转、平移、缩放、错切和翻转

degrees:旋转角度设置
translate:平移区间设置
如(a，b)，a设置宽(width)，b设置高(height)图像在宽维度平移的区间为
-img_width * a < dx < img_width * a
scale:缩放比例(以面积为单位)
fill_color:填充颜色设置
shear:错切角度设置,有水平错切和垂直错切
若为a，则仅在x轴错切，错切角度在(-a, a)之间
若为(a, b)，则a设置x轴角度，b设置y的角度
若为(a, b,c,d)，则a, b设置x轴角度，c，d设置y轴角度
resample:重采样方式，有NEAREST 、BILINEAR、BICUBIC

transforms.RandomErasing

transforms.RandomErasing(p=0.5,scale=(0.02,0.33),ratio=(0.3,3.3),value=0,inplace=False)

功能:对图像进行随机遮挡

p:概率值，执行该操作的概率
scale:遮挡区域的面积
ratio:遮挡区域长宽比
value:设置遮挡区域的像素值，(R，G，B) or (Gray)

transforms.Lambda(lambd)
功能:用户自定义lambda方法

lambd : lambda匿名函数
lambda [arg1 [,arg2, … , argn]] : expression

eg:

transforms. Lambda(lambda crops: torch.stack([transforms. Totensor()(crop) for crop in crops]))

5.transforms方法的选择操作

transforms.RandomChoice
功能:从一系列transforms方法中随机挑选一个

transforms. RandomChoice([transforms1，transforms2，transforms3])

transforms.RandomApply
功能:依据概率执行一组transforms操作

transforms.RandomApply([transforms1，transforms2，transforms3], p=0.5)

transforms.RandomOrder
功能:对一组transforms操作打乱顺序

transforms. Randomorder([transforms1，transforms2，transforms3])

transforms.Resize
功能：调整图片的大小
transforms.Totensor
功能：将之前的数据结构转换为张量
transforms.Normalize

transforms.Normalize(mean,std,inplace=False)

功能:逐channel的对图像进行标准化(变换后的数据均值为0，标准差为1)，标准化的优点是加快模型的收敛。
output=(input−mean)/stdoutput = (input - mean) / stdoutput=(input−mean)/std

mean :各通道的均值
std:各通道的标准差
inplace :是否原地操作

源码如下：

def normalize(tensor, mean, std, inplace=False):"""Normalize a tensor image with mean and standard deviation... note::This transform acts out of place by default, i.e., it does not mutates the input tensor.See :class:`~torchvision.transforms.Normalize` for more details.Args:tensor (Tensor): Tensor image of size (C, H, W) to be normalized.mean (sequence): Sequence of means for each channel.std (sequence): Sequence of standard deviations for each channel.inplace(bool,optional): Bool to make this operation inplace.Returns:Tensor: Normalized Tensor image."""# 输入的合法性判断-是否为Tensorif not _is_tensor_image(tensor):raise TypeError('tensor is not a torch image.')# 是否原地操作，如果不是原地操作，需要将张量克隆一份if not inplace:tensor = tensor.clone()dtype = tensor.dtype# 将均值与方差转化为张量mean = torch.as_tensor(mean, dtype=dtype, device=tensor.device)std = torch.as_tensor(std, dtype=dtype, device=tensor.device)# sub_:下划线表示原地操作；(input - mean) / stdtensor.sub_(mean[:, None, None]).div_(std[:, None, None])# 返回变换后的张量return tensor

6.自定义transfroms方法

transforms方法是在Compose类中通过__call__方法调用的。

class Compose(object):"""Composes several transforms together.Args:transforms (list of ``Transform`` objects): list of transforms to compose.Example:>>> transforms.Compose([>>>     transforms.CenterCrop(10),>>>     transforms.ToTensor(),>>> ])"""def __init__(self, transforms):self.transforms = transformsdef __call__(self, img):# 循环执行transforms方法for t in self.transforms:img = t(img)return imgdef __repr__(self):format_string = self.__class__.__name__ + '('for t in self.transforms:format_string += '\n'format_string += '    {0}'.format(t)format_string += '\n)'return format_string

我们可以发现调用transforms时有如下特点:

仅接收一个参数，返回一个参数
注意上下游的输出与输入

下面我们自定义transforms，它的基本结构为：

class YourTransforms(object) :def __init_(self, ...):...def __cal1__(self, img):...return img

椒盐噪声又称为脉冲噪声，是一种随机出现的白点或者黑点，白点称为盐噪声，黑色为椒噪声。信噪比(Signal-Noise Rate，SNR）是衡量噪声的比例，图像中为图像像素的占比。我们以椒盐噪声为例来自定义transforms方法。

class AddPepperNoise(object):"""增加椒盐噪声Args:snr （float）: Signal Noise Ratep (float): 概率值，依概率执行该操作"""def __init__(self, snr, p=0.9):assert isinstance(snr, float) and (isinstance(p, float))    # 2020 07 26 or --> and# 信号百分比self.snr = snr# 概率self.p = pdef __call__(self, img):"""Args:img (PIL Image): PIL ImageReturns:PIL Image: PIL image."""# 概率的判断if random.uniform(0, 1) < self.p:# 数据格式转换到ndarrayimg_ = np.array(img).copy()# 高，宽，通道数h, w, c = img_.shape# 获取信号百分比signal_pct = self.snr# 噪声百分比noise_pct = (1 - self.snr)# 依概率选取3个maskmask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.])mask = np.repeat(mask, c, axis=2)img_[mask == 1] = 255   # 盐噪声img_[mask == 2] = 0     # 椒噪声return Image.fromarray(img_.astype('uint8')).convert('RGB')else:return img

如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论或者私信！