一般情况下，预加载的数据集或自己构造的数据集并不能直接用于训练机器学习算法，为了将其转换为训练模型所需的最终形式，我们可以使用 transforms 对数据进行处理，以使其适合训练。

0. 简介

在介绍 Dataset 时，提到 torchvision.datasets 中的数据集都有两个参数：

• transform：可以对数据进行的变换；
• target_transform：可以对标签进行的变换。

而 torchvision.transforms.functional 模块提供了一些常用的转换，这些转换都能够接受以下三种输入：

• PIL Image：对于 RGB 图像，size 为 (W, H)，将其转换为 NumPy array 后 size 为 (H, W, C)；
• Tensor Image：指具有 shape 为 (C, H, W) 的一个 tensor，C 为通道数，H、W 分别是图像的高和宽；
• batch of Tensor Images：指具有 shape 为 (B, C, H, W) 的一个 tensor，B 为 batchsize，也就是一个批次中的图像数量。

这里需要注意的一个地方是：

• Pytorch 中存储的 Tensor Image 的存储格式为 (C, H, W)；
• 而转换为 NumPy array 的 PIL Image 的 存储格式 为 (H, W, C)；

所以在可视化图像数据或将 PIL Image 用于训练时常常会涉及格式转化，一般有以下几种情况。

可参考 Pytorch中Tensor与各种图像格式的相互转化

转换类型	操作
PIL --> Tensor	将参数 transform 设置为 torchvision.transforms.ToTensor()
Tensor --> PIL	将参数 transform 设置为 torchvision.transforms.ToPILImage()
NumyP --> Tensor	img_tensor = img_numpy.transpose(2, 0, 1)
Tensor --> NumPy	img_numpy = img_tensor.transpose(1, 2, 0)

ok 回到torchvision.transforms.functional 模块上，该模块提供的这些转换都可以通过 torchvision.transforms.compose() 组合在一起使用，对于构建比较复杂的转换任务(例如：分割任务)是非常有用的。下面会简单记录几个比较常见的转换，示例代码均是以单张图片作为输入。

参考 TORCHVISION.TRANSFORMS

1. 裁剪类

(1) torchvision.transforms.CenterCrop(size)

可用于 PIL Image 或 Tensor Image。

参数：

• size，类型是元组序列或整数，表示裁剪后的图像大小。如果 size 是一个整数，则会生成一个方形的裁剪，即输出大小为 (size，size)；如果 size 是 (h, w) 之类的序列， 则输出大小为 (h, w)；如果提供长度为 1 的序列，那么输出大小将被认是 (size [0]，size [0])。

该转换的意义是对给定的图像进行中心裁剪，返回值是一张图像。被裁剪的图像类型可以是 PIL Image 或 Tensor Image，如果图像尺寸沿任何维度都小于输出尺寸 size，则图像会被以 0 填充，然后再进行中心裁剪。

示例代码。

# @Time : 2021/5/22 16:10
# @Author : ykx
# @File : 03-Transforms.py
# @Software : PyCharm
# -------------------------- #
# 1.中心裁剪
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 2, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')# 展示经过不同参数的中心裁剪后的图像
titles = ['int_size', 'sequence_size', '0 padding']
tfs = [transforms.CenterCrop(200),transforms.CenterCrop((150, 200)),transforms.CenterCrop(300)]
for i in range(3):figure.add_subplot(2, 2, i+2)plt.title(titles[i])plt.imshow(tfs[i](im))plt.axis('off')
plt.show()

(2) torchvision.transforms.FiveCrop(size)

可用于 PIL Image 或 Tensor Image。

参数：

• size，类型是元组序列或整数，表示裁剪后的图像大小。如果 size 是一个整数，则会生成一个方形的裁剪，即输出大小为 (size，size)；如果 size 是 (h, w) 之类的序列， 则输出大小为 (h, w)；如果提供长度为 1 的序列，那么输出大小将被认是 (size [0]，size [0])。

该转换的意义是对图像进行五点裁剪，被裁剪的图像类型可以是 PIL Image 或 Tensor Image，将给定的一幅图像裁剪为四个角和一个中心，因此 返回值是一个具有5个图像的元组。

示例代码。

# -------------------------- #
# 2.五点裁剪
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tf = transforms.FiveCrop(100)
ims = tf(im)
titles = ['left_up', 'right_up', 'left_bottom', 'right_bottom', 'center']
for i in range(5):figure.add_subplot(2, 3, i+2)plt.title(titles[i])plt.imshow(ims[i])plt.axis('off')
plt.show()

(3) torchvision.transforms.RandomCrop()

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

可用于 PIL Image 或 Tensor Image。

参数：

• size：类型是元组序列或整数，表示裁剪后的图像大小。
  • 如果 size 是一个整数，则会生成一个方形的裁剪，即输出大小为 (size，size)；
  • 如果 size 是 (h, w) 类型的元组， 则输出大小为 (h, w)；
  • 如果提供长度为 1 的序列，那么输出大小将被认是 (size [0]，size [0])。
• padding：可选参数，类型是元组序列或整数，默认是不进行填充。
  • 如果 padding 是一个整数，那么填充将作用于所有边上；
  • 如果 padding 是一个 长度为2 的序列，那么对应序列中不同值的填充将对应作用于 左/右 和 上/下 边界上；
  • 如果 padding 是一个 长度为4 的序列，那么对应序列中不同值的填充将对应作用于 左、上、右、下 边界上。
  • 注意，在 torchscript 模式下是不支持 single int 填充的，因此需要使用 长度为1 的序列 [padding,]。
• pad_if_needed：类型为布尔值，如果原图小于参数 size，图像将被填充，以免引发异常，注意这里裁剪是在填充之后完成的。
• fill：类型是数字或字符串或元组，表示用于常值填充的像素值，也就是仅当 padding_mode=constant 时才会用到该参数。
  • 默认是0；
  • 如果是长度为3 的元组，那么分别用于填充R、G、B通道；
  • 注意，对于 Tensor Image 仅支持数字类型，对于 PIL Image 支持整数或字符串或元组类型。
• padding_mode：表示填充的类型，有以下几种选择：
  • constant：表示常值填充，常值由参数 fill 指定，默认填充类型；
  • edge：表示以图像边缘处的最后一个像素值进行填充。如果输入是一个 5D 的 Tensor Image，那么最后的三个维度会被填充；
  • reflect：表示反射填充，但不重复最边缘处的像素值，例如在 reflect mode 下以每边上的2个元素填充 [1, 2, 3, 4]，那么结果应该是 [3, 2, 1, 2, 3, 4, 3, 2]；
  • symmetric：表示对称填充，重复最边缘处的像素值，例如在 symmetric mode 下以每边上的2个元素填充 [1, 2, 3, 4]，那么结果应该是 [2, 1, 1, 2, 3, 4, 4, 3]。

该变换的意义是对给定的图像进行随机裁剪，返回值是一幅裁剪后的图像。
示例代码。

# -------------------------- #
# 3.随机裁剪
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.RandomCrop(150, padding=None, pad_if_needed=False, fill=None, padding_mode=None),transforms.RandomCrop((150, 200), padding=None, pad_if_needed=False, fill=None, padding_mode=None),transforms.RandomCrop(250, padding=20, pad_if_needed=True, fill=255, padding_mode='constant'),transforms.RandomCrop(300, padding=(20, 40), pad_if_needed=True, fill=(0, 0, 255), padding_mode='edge'),transforms.RandomCrop(350, padding=(20, 40), pad_if_needed=True, fill=0, padding_mode='symmetric'),]
titles = ['sq_no_pad', 'rec_no_pad', 'sq_cons_pad', 'sq_edge_pad', 'sq_sym_pad']for i in range(5):im_i = tfs[i](im)figure.add_subplot(2, 3, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(4) torchvision.transforms.RandomResizedCrop()

随机缩放裁剪：torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=<InterpolationMode.BILINEAR: 'bilinear'>)

可用于 PIL Image 或 Tensor Image。

参数：

• size，类型是元组序列或整数，表示裁剪后的图像大小。
  • 如果 size 是一个整数，则会生成一个方形的裁剪，即输出大小为 (size，size)；
  • 如果 size 是 (h, w) 类型的元组， 则输出大小为 (h, w)；
  • 如果提供长度为 1 的序列，那么输出大小将被认是 (size [0]，size [0])。
• scale，类型是浮点型元组，表示缩放前裁剪后图像相对于原始图像的比例范围。
• ratio，类型是浮点型元组，表示缩放前裁剪后图像的宽高比范围。
• interpolation，由 torchvision.transforms.InterpolationMode 定义的插值模式， 默认值为 InterpolationMode.NEAREST。
  • 如果输入为 Tensor Image，则仅支持 InterpolationMode.NEAREST、InterpolationMode.BILINEAR；
  • 为了反向兼容，也可使用整数值，eg：PIL.Image.NEAREST。

该变换的意义是将给定图像裁剪为随机的大小和宽高比，返回值是Tensor Image 或PIL Image。 上述参数执行了一个尺寸范围为 (0.08,1.0)(0.08, 1.0)(0.08,1.0)、宽高比范围在 (0.75,1.3333333333333333)(0.75, 1.3333333333333333)(0.75,1.3333333333333333) 的随机裁剪，并将裁剪后的图像调整至 size 大小。

示例代码。

# -------------------------- #
# 4.随机缩放裁剪
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(3, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tf = transforms.RandomResizedCrop(size=200, scale=(0.08, 1.0),ratio=(0.75, 1.3333333333333333), interpolation=Image.BILINEAR)
im1 = tf(im)
figure.add_subplot(1, 2, 2)
plt.title('rc')
plt.imshow(im1)
plt.axis('off')plt.show()

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

可用于 PIL Image 或 Tensor Image。

参数：

• size，类型是元组序列或整数，表示裁剪后的图像大小。
  • 如果 size 是一个整数，则会生成一个方形的裁剪，即输出大小为 (size，size)；
  • 如果 size 是 (h, w) 类型的元组， 则输出大小为 (h, w)；
  • 如果提供长度为 1 的序列，那么输出大小将被认是 (size [0]，size [0])。
• vertical_flip，类型是布尔值，True 表示使用垂直翻转，False 表示使用水平翻转，默认为 False。

该变换的意义是将给定的图像裁剪为四个角和中心，以及翻转后的四个角和中心（默认情况下使用水平翻转），返回值是一个元素为 Tensor Image 或 PIL Image 的长度为 10 的元组。

示例代码。

# -------------------------- #
# 5.TenCrop()
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
# figure.add_subplot(2, 5, 1)
# plt.title('origin image')
# plt.imshow(im)
# plt.axis('off')tf = transforms.TenCrop(100)
ims = tf(im)
titles = ['l_u', 'r_u', 'l_b', 'r_b', 'c', 'l_uf', 'r_uf', 'l_bf', 'r_bf', 'cf', ]
for i in range(10):figure.add_subplot(2, 5, i+1)plt.title(titles[i])plt.imshow(ims[i])plt.axis('off')
plt.show()

2. 翻转和旋转类

(1) torchvision.transforms.RandomHorizontalFlip(p=0.5)

可用于 PIL Image 或 Tensor Image。

参数：

• p：类型是浮点型，表示水平翻转的概率，默认值是 0.5。返回值是原图或翻转后图像。

示例代码。

# -------------------------- #
# 8.随机水平翻转
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.RandomHorizontalFlip(p=0.1),transforms.RandomHorizontalFlip(p=0.3),transforms.RandomHorizontalFlip(p=0.5),transforms.RandomHorizontalFlip(p=0.7),transforms.RandomHorizontalFlip(p=0.9)]titles = ['p=0.1', 'p=0.3', 'p=0.5', 'p=0.7', 'p=0.9', ]
for i in range(5):im_i = tfs[i](im)figure.add_subplot(2, 3, i + 2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(2) torchvision.transforms.RandomVerticalFlip(p=0.5)

该变换与上一个随机水平翻转几乎一致，表示以给定的概率 ppp 对输入图像执行随机垂直翻转，返回值是Tensor Image 或 PIL Image，这里就不重复叙述了。

(3) torchvision.transforms.RandomRotation()

随机旋转：torchvision.transforms.RandomRotation(degrees, interpolation=<InterpolationMode.NEAREST: 'nearest'>, expand=False, center=None, fill=0, resample=None)

可用于 PIL Image 或 Tensor Image。

参数：

• degrees，类型是数字或元组，表示旋转的角度范围，如果给定的度数是数字而不是序列 (min, max)，则度数的范围将是 (-degrees, +degrees)。
• interpolation，由 torchvision.transforms.InterpolationMode 定义的插值模式， 默认值为 InterpolationMode.NEAREST。
  • 如果输入为 Tensor Image，则仅支持 InterpolationMode.NEAREST、InterpolationMode.BILINEAR；
  • 为了反向兼容，也可使用整数值，eg：PIL.Image.NEAREST。
• expand，可选参数，布尔型，表示是否扩张输出。
  • 如果为 True，则扩展输出使其足够大以容纳整个旋转后的图像；
  • 如果为 False 或 None，则使输出图像的大小与输入图像的大小相同；
  • 注意，expand 假定围绕中心旋转且没有平移。
• center，可选参数，类型为元组，表示旋转中心 (x, y)，默认是图像的中心，原点是图像左上角。
• fill，类型为数字或元组序列，表示转换后图像外部区域的像素填充值，默认值为0。
  • 如果类型为数字，则该值用于所有分段；
  • 如果输入为PIL Image，则该选项仅适用于 Pillow> = 5.0.0 的版本。
• resample，可选参数，类型为整数，官方表示不推荐使用该参数，且自 v0.10.0 版本起将被删除，如有需要改用 interpolation 参数，Image.NEAREST (0), Image.BILINEAR (2) or Image.BICUBIC (3)。

该变换的意义是按给定角度旋转图像，返回值是Tensor Image 或 PIL Image。

示例代码。

# -------------------------- #
# 3.随机旋转
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 2, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = transforms.RandomRotation((40, 90), expand=True)
im1 = tfs(im)
figure.add_subplot(1, 2, 2)
plt.title('r')
plt.imshow(im1)
plt.axis('off')plt.show()

3. 图像变换类

(1) torchvision.transforms.Resize()

缩放：torchvision.transforms.Resize(size, interpolation=<InterpolationMode.BILINEAR: 'bilinear'>)

可用于 PIL Image 或 Tensor Image。

参数：

• size，类型是元组序列或整数，表示裁剪后的图像大小。
  • 如果 size 是一个整数，则图像的较短边会与该数匹配，即如果 h > w，图像将被缩放为 (size * height / width, size)；
  • 如果 size 是 (h, w) 类型的元组， 则输出大小为 (h, w)；
  • 在 torchscript 模式下，不支持单个 int 的 size，需要使用长度为 1 的序列：[size, ]。
• interpolation，由 torchvision.transforms.InterpolationMode 定义的插值模式， 默认值为 InterpolationMode.NEAREST。
  • 如果输入为 Tensor Image，则仅支持 InterpolationMode.NEAREST、InterpolationMode.BILINEAR；
  • 为了反向兼容，也可使用整数值，eg：PIL.Image.NEAREST。

该变换的意义是将输入图像调整至给定的尺寸，返回值是Tensor Image 或 PIL Image。

示例代码。

# -------------------------- #
# 1.缩放 Resize()
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 2, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.Resize(150, interpolation=0),transforms.Resize((100, 200), interpolation=0),transforms.Resize(80, interpolation=2)]
titles = ['square-0', 'rectangle-0', 'square-2']
for i in range(3):im_i = tfs[i](im)figure.add_subplot(2, 2, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(2) torchvision.transforms.Normalize()

归一化：torchvision.transforms.Normalize(mean, std, inplace=False)

只能用于 Tensor Image。

参数：

• mean，类型是元组序列，表示每个通道的均值；
• std，类型是元组序列，表示每个通道的标准差；
• inplace，可选参数，类型是布尔值，表示是否以 in-place 执行该操作。

该变换的意义是用均值和标准差对 Tensor Image 进行归一化，即给定 n 个通道的均值 (mean[1], mean[2], ..., mean[n]) 和 标准差 (std[1], std[2]), ..., std[n]，那么输出图像：output[channel] = (input[channel] - mean[channel])/std[channel]，返回值是 Tensor Image。

示例代码。

# -------------------------- #
# 2.归一化
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tf1 = transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))])
tf2 = transforms.ToPILImage()
im_tensor = tf1(im)
im_pil = tf2(im_tensor)
figure.add_subplot(1, 2, 2)
plt.title('normalized')
plt.imshow(im_pil)
plt.axis('off')
plt.show()

这个输出的图片有点吓人哈哈哈~

(3) torchvision.transforms.Pad()

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

可用于 PIL Image 或 Tensor Image。

参数：

• padding，类型是元组序列或整数，表示用于填充边界的大小。
  • 如果 padding 是一个整数，那么填充将作用于所有边上；
  • 如果 padding 是一个 长度为2 的序列，那么对应序列中不同值的填充将对应作用于 左/右 和 上/下 边界上；
  • 如果 padding 是一个 长度为4 的序列，那么对应序列中不同值的填充将对应作用于 左、上、右、下 边界上。
  • 注意，在 torchscript 模式下是不支持 single int 填充的，因此需要使用 长度为1 的序列 [padding,]。
• fill，类型是数字或字符串或元组，表示用于常值填充的像素值，也就是仅当 padding_mode=constant 时才会用到该参数。
  • 默认是0；
  • 如果是长度为3 的元组，那么分别用于填充R、G、B通道；
  • 注意，对于 Tensor Image 仅支持数字类型，对于 PIL Image 支持整数或字符串或元组类型。
• padding_mode，表示填充的类型，有以下几种选择：
  • constant：表示常值填充，常值由参数 fill 指定，默认填充类型；
  • edge：表示以图像边缘处的最后一个像素值进行填充。如果输入是一个 5D 的 Tensor Image，那么最后的三个维度会被填充；
  • reflect：表示反射填充，但不重复最边缘处的像素值，例如在 reflect mode 下以每边上的2个元素填充 [1, 2, 3, 4]，那么结果应该是 [3, 2, 1, 2, 3, 4, 3, 2]；
  • symmetric：表示对称填充，重复最边缘处的像素值，例如在 symmetric mode 下以每边上的2个元素填充 [1, 2, 3, 4]，那么结果应该是 [2, 1, 1, 2, 3, 4, 4, 3]。

该变换的意义是在特定的填充模式下对以给定的填充值对图像进行填充，返回值是一幅填充后的图像。
示例代码。

# -------------------------- #
# 3.填充
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(3, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.Pad(padding=20, fill=0, padding_mode='constant'),transforms.Pad(padding=20, fill=(255, 0, 255), padding_mode='constant'),transforms.Pad(padding=20, fill=255, padding_mode='constant'),transforms.Pad(padding=(20, 40), fill=0, padding_mode='constant'),transforms.Pad(padding=(20, 40, 60, 80), fill=0, padding_mode='constant'),transforms.Pad(padding=30, fill=0, padding_mode='edge'),transforms.Pad(padding=40, fill=0, padding_mode='reflect'),transforms.Pad(padding=50, fill=0, padding_mode='symmetric'),transforms.Grayscale(num_output_channels=1),transforms.Grayscale(num_output_channels=3)]
titles = ['all-black-padding', 'all-purple-padding', 'all-red-padding','lr-tb-padding', 'l-t-r-b-padding','edge-mode', 'reflect-mode', 'symmetric-mode']
for i in range(8):im_i = tfs[i](im)figure.add_subplot(3, 3, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(4) torchvision.transforms.Grayscale(num_output_channels)

可用于 PIL Image 或 Tensor Image。

参数：

• num_output_channels，指输出通道数。
  • 当设置为 1 时，输出为通道数=1 的灰度图；
  • 当设置为 3 时，输出为通道数=3 的彩色图，通道为 (r,g,b)。

该转换的意义是将图像转换为灰度图，同样适用于 PIL Image 或 Tensor Image 的图像类型，返回值是一幅灰度图像。

示例代码。

# -------------------------- #
# 4.转换为灰度图
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.Grayscale(num_output_channels=1),transforms.Grayscale(num_output_channels=3)]
titles = ['out_c=1', 'out_c=3']for i in range(2):im_i = tfs[i](im)figure.add_subplot(1, 3, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(5) torchvision.transforms.RandomGrayScale(p=0.1)

可用于 PIL Image 或 Tensor Image。

参数：

• p：类型为浮点型，表示图像被转换为灰度图的概率，默认为 0.1。
  • 如果输入图像是 1 通道，那么输出的灰度图也是 1 通道；
  • 如果输入图像是 3 通道：那么输出的灰度图也是 3 通道，其中 r == g == b 。

该变换的意义是以一个给定的概率 p 对图像进行灰度图转换，因此返回值是原图或灰度图，保持原图的概率为 1-p。

示例代码。

# -------------------------- #
# 5.随机转换灰度图
# -------------------------- #from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.RandomGrayscale(p=0.1),transforms.RandomGrayscale(p=0.3),transforms.RandomGrayscale(p=0.5),transforms.RandomGrayscale(p=0.7),transforms.RandomGrayscale(p=0.9)]titles = ['p=0.1', 'p=0.3', 'p=0.5', 'p=0.7', 'p=0.9', ]
for i in range(5):im_i = tfs[i](im)figure.add_subplot(2, 3, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(6) torchvision.transforms.ColorJitter()

随机更改图像的亮度，对比度，饱和度和色调：torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

可用于PIL Image或Tensor Image。

参数：

• brightnesss：类型为浮点型数字或浮点型元组 (min, max)，表示对亮度进行调整的程度，应为非负数，因此该参数会从 (max(0, 1 - brightness), 1 + brightness) 中选取。
• contrast：类型为浮点型数字或浮点型元组 (min, max)，表示对比度的调整程度，应为非负数，因此该参数会从 (max(0, 1 - contrast), 1 + contrast) 中选取。
• saturation：类型为浮点型数字或浮点型元组 (min, max)，表示对饱和度进行调整的程度，应为非负数，因此该参数会从 (max(0, 1 - saturati), 1 + saturation) 中选取。
• hue：类型为浮点型数字或浮点型元组 (min, max)，表示对色调进行调整的程度。如果给定浮点型数字，那么选取范围为 [-hue, hue]，否则为 [min, max]，该参数应当满足：0 <= hue <= 0.5，或 -0.5 <= min <= max <= 0.5

该变换的意义是返回值是随机更改图像的亮度，对比度，饱和度和色调，如果输入图像是 PIL Image，则不支持模式为 1, L, I, F 或 具有 alpha channel 的模式，返回值为Tensor Image 或PIL Image。

示例代码。

# -------------------------- #
# 6.色度变化 ColorJitter()
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(2, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.ColorJitter(brightness=0.5, contrast=0, saturation=0, hue=0),transforms.ColorJitter(brightness=0, contrast=0.5, saturation=0, hue=0),transforms.ColorJitter(brightness=0, contrast=0, saturation=0.5, hue=0),transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0.5),transforms.ColorJitter(brightness=0.2, contrast=0.1, saturation=0.5, hue=0.3)]
titles = ['b', 'c', 's', 'h', 'bcsh']for i in range(5):im_i = tfs[i](im)figure.add_subplot(2, 3, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(7) torchvision.transforms.RandomAffine()

随机仿射：torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, interpolation=<InterpolationMode.NEAREST: 'nearest'>, fill=0, fillcolor=None, resample=None)

可用于 PIL Image 或 Tensor Image。

参数：

• degrees：可供选择的旋转度数范围，类型是数字或元组序列。
  • 如果是数字，那么实际范围是 (-degrees, +degrees)；
  • 如果是序列，那么范围直接就是 (min, max)；
  • degrees=0 表示不进行旋转。
• translate：可选参数，类型是元组，表示水平和垂直方向上最大平移的绝对值比例，默认不进行平移。例如，translate=(a,b)，那么水平方向的平移程度 dx 将从 (-img_width * a, img_width * a) 中随机抽取，垂直方向的平移程度 dy 将从 (-img_height * b, img_height * b) 中随机抽取。
• scale：可选参数，类型是元组，表示缩放因子的区间，默认不进行缩放。例如，scale=(a,b)，那么缩放因子将从 (a,b) 中随机抽取。
• shear：可选参数，类型是数字或元组序列，表示可供选择的剪切度数范围，默认不进行剪切。
  • 如果是数字，(-shear, shear) 范围内的平行剪切将会应用在x轴上；
  • 如果是长度为2 的元组，那么(shear[0], shear[1]) 范围内的平行剪切将会应用在x轴上；
  • 如果是长度为4 的元组，那么(shear[0], shear[1]) 范围内的剪切会应用在x轴上，(shear[2], shear[3]) 范围内的剪切会应用在y轴上。
• interpolation：由 torchvision.transforms.InterpolationMode 定义的插值模式， 默认值为 InterpolationMode.NEAREST。
  • 如果输入为 Tensor Image，则仅支持 InterpolationMode.NEAREST、InterpolationMode.BILINEAR；
  • 为了反向兼容，也可使用整数值，eg：PIL.Image.NEAREST。
• fill，类型为数字或元组序列，表示转换后图像外部区域的像素填充值，默认值为0。
  • 如果类型为数字，则该值用于所有分段；
  • 如果输入为PIL Image，则该选项仅适用于 Pillow> = 5.0.0 的版本。
• fillcolor，可选参数，类型是数字或元组序列，官方表示不推荐使用该参数，且自 v0.10.0 版本起将被删除，如有需要改用 fill 参数。
• resample，可选参数，类型为整数，官方表示不推荐使用该参数，且自 v0.10.0 版本起将被删除，如有需要改用 interpolation 参数，Image.NEAREST (0), Image.BILINEAR (2) or Image.BICUBIC (3)。

该变换的意义是保持中心不变的随机仿射，返回值是一幅仿射后的图像。

但是在Pytorch中使用时，发现参数和官网上的不太一致，所以示例代码中只展示了可以使用的参数：

示例代码。

# -------------------------- #
# 7.随机仿射变换
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(3, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.RandomAffine(135, fillcolor=(255, 0, 0)),transforms.RandomAffine((45, 90), fillcolor=(0, 0, 255)),transforms.RandomAffine(0, translate=(0, 0.5), fillcolor=(0, 255, 0)),transforms.RandomAffine(0, scale=(0.5, 2), fillcolor=125),transforms.RandomAffine(0, shear=(10, 20, 30, 40), fillcolor=225),transforms.RandomAffine(0, fillcolor=175, resample=0),transforms.RandomAffine(0, fillcolor=75, resample=2),transforms.RandomAffine(0, translate=(0, 0.5), scale=(0.5, 2), shear=(5, 10, 15, 20), fillcolor=255, resample=0)]
titles = ['135 rotation', '(45,90) rotation', 'translate', 'scale', 'shear','nearest', 'Bilinear', 'all']
for i in range(8):im_i = tfs[i](im)figure.add_subplot(3, 3, i + 2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(8) torchvision.transforms.LinearTransformation()

线性变换：torchvision.transforms.LinearTransformation(transformation_matrix, mean_vector)

只能用于Tensor Image。
参数：

• transformation_matrix：是一个形状为 [D x D] 的 tensor，其中 D=C x H x W，表示一个变换方阵；
• mean_vector：是一个形状为 [D] 的 tensor，其中 D=C x H x W，表示一个均值向量。

该变换的意义是对 Tensor Image 进行线性变换（Ax+BAx+BAx+B），将输入图像减去均值向量后，与变换方阵做点积，并将结果调整至原始形状，返回值是一个Tensor Image。

(9) torchvision.transforms.RandomErasing()

随机抹除像素值：torchvision.transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)

只能用于 Tensor Image。

参数：

• p，类型为浮点型，表示随机擦除像素操作被执行的概率；
• scale，元组序列或浮点型，表示被擦除的区域相对于输入图像的比例；
• ratio，元组序列或浮点型，表示被擦除区域的宽高比；
• value，类型为整数或元组序列或字符串 random，默认值为0。
  • 如果为单一整数，则用于擦除所有像素；
  • 如果是一个长度为 3 的元组，则分别用于擦除 R，G，B 通道的像素；
  • 如果是 random，则使用随机值擦除每个像素。
• inplace，类型为布尔值，默认是 False，表示是否以 in-place 执行该操作。

该变换的意义是在输入 Tensor Image 图像中随机选取一个矩形区域并将该区域中的像素擦除，返回值是 erased Tensor Image。可以参考 Random Erasing Data Augmentation

示例代码。

# -------------------------- #
# 11.随机擦除区域像素
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tf1 = transforms.ToTensor()
tf2 = transforms.ToPILImage()
im_tensor = tf1(im)tfs = [transforms.RandomErasing(p=0.8, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False),transforms.RandomErasing(p=0.8, scale=(0.05, 0.25), ratio=(3.3, 0.3), value=0, inplace=False)]
titles = ['1', '2']for i in range(2):im_i = tfs[i](im_tensor)im_pil = tf2(im_i)figure.add_subplot(1, 3, i+2)plt.title(titles[i])plt.imshow(im_pil)plt.axis('off')
plt.show()

(10) torchvision.transforms.GaussianBlur()

高斯模糊：torchvision.transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0))

可用于 PIL Image或 Tensor Image。

参数：

• kernel_size，类型为整数或元组，表示高斯核的大小。
• sigma，浮点型或元组浮点型 (min, max)，表示用于创建高斯核以执行模糊的标准差。
  • 如果是浮点型数字，则 sigma 是固定的；
  • 如果是元组 (min, max)，则从给定范围内均匀的选择 sigma。

该变换的意义是对输入图像进行高斯模糊，返回值是Tensor Image 或 PIL Image。

(11) torchvision.transforms.RandomPerspective()

随机透视变换：torchvision.transforms.RandomPerspective(distortion_scale=0.5, p=0.5, interpolation=<InterpolationMode.BILINEAR: 'bilinear'>, fill=0)

可用于 PIL Image 或 Tensor Image。

参数：

• distortion_scale，类型为浮点型数字，表示用于控制失真程度的参数，范围为 0到1，默认值为 0.5。
• p，类型为浮点型数字，表示图像进行透视变换的概率，默认为 0.5。
• interpolation：由 torchvision.transforms.InterpolationMode 定义的插值模式， 默认值为 InterpolationMode.NEAREST。
  • 如果输入为 Tensor Image，则仅支持 InterpolationMode.NEAREST、InterpolationMode.BILINEAR；
  • 为了反向兼容，也可使用整数值，eg：PIL.Image.NEAREST。
• fill，类型为数字或元组，表示转换后图像外部区域的像素填充值，默认值为0。
  • 如果类型为数字，则该值用于所有分段；
  • 如果输入为PIL Image，则该选项仅适用于 Pillow> = 5.0.0 的版本。

该变换的意义是以给定的概率 ppp 对输入图像执行随机透视变换，返回值是Tensor Image 或 PIL Image；

示例代码。

# -------------------------- #
# 11.随机透视变换
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.RandomPerspective(0.5, 0.5, interpolation=Image.BILINEAR),transforms.RandomPerspective(0.3, 0.7, interpolation=Image.BILINEAR)]
titles = ['0.5-0.5', '0.3-0.7']for i in range(2):im_i = tfs[i](im)figure.add_subplot(1, 3, i+2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

4. 图像格式转换类

(1) torchvision.transforms.ConvertImageDtype()

数据类型转换：torchvision.transforms.ConvertImageDtype(dtype: torch.dtype)

只能用于 Tensor Image。

参数：

• dtype，表示所需的输出数据的类型。

该变换的意义是将 Tensor Image 转换为给定的 dtype 并相应地缩放像素值，该变换无返回值。

注意，Runtime Error，当尝试将 torch.float32 转换为 torch.int32 或torch.int64 时，以及尝试将 torch.float64 转换为 torch.int64 时，可能会导致溢出错误，因为浮点类型无法在整数类型的范围内存储连续的整数。

(2) torchvision.transforms.ToTensor

该变换的意义是：

• 如果 PIL Image 属于其中一种模式(L, LA, P, I, F, RGB, YCbCr, RGBA, CMYK, 1) 或 numpy.ndarray 具有 dtype = np.uint8，那么将 PIL Image 或范围为 [0, 255] 的 numpy.ndarray(H xW x C)转换为形状为 (C x H x W) 的范围为 [0.0，1.0] 的 Torch.FloatTensor Image；
• 在其他情况下，返回的 Tensor Image 不进行缩放。

(3) torchvision.transforms.ToPILImage(mode=None)

参数：

• mode，可选参数，表示输入数据的色彩模式和像素深度，默认为None。
  • 如果输入具有 4 个通道，则假定该模式为 RGBA；
  • 如果输入具有 3 个通道，则该模式假定为 RGB；
  • 如果输入具有 2 个通道，则该模式假定为 LA；
  • 如果输入具有1个通道，则模式由数据类型（即 int，float，short）决定。

该变换的意义是将形状为 C x H x W 的 Tensor Image 或形状为 H x W x C 的 Ndarray Image 转换为 PIL Image，此转换不支持torchscript。

5. 系列变换类

(1) torchvision.transforms.RandomApply()

随机应用变换：torchvision.transforms.RandomApply(transforms, p=0.5)

可应用于 PIL Image 或 Tensor Image。

参数：

• transforms，类型为序列或 torch.nn.Module，表示一个以变换为元素的列表。
• p，表示给定的应用列表中变换的概率。

该变换的意义是以给定的概率 ppp 对输入图像做一系列的变换 transforms；

# -------------------------- #
# 1.随机应用 RandomApply()
# -------------------------- #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 3, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.CenterCrop(200),transforms.Grayscale(num_output_channels=3),transforms.ColorJitter(0.5, 0.5, 0.5, 0.5)]
tf = [transforms.RandomApply(tfs, 0.7),transforms.RandomApply(tfs, 0.5)]
titles = ['p=0.7', 'p=0.5']for i in range(2):im_i = tf[i](im)figure.add_subplot(1, 3, i + 2)plt.title(titles[i])plt.imshow(im_i)plt.axis('off')
plt.show()

(2) torchvision.transforms.RandomChoice()

随机选择一个变换：torchvision.transforms.RandomChoice(transforms)

仅适用于 PIL Image 的变换。

参数：

• transforms，表示一个以变换为元素的列表。

该变换的意义是从变换列表 transforms 中随机选择一个转换应用于输入图像， 此转换不支持torchscript。

示例代码。

# ------------------------------ #
# 2.随机选择变换应用 RandomChoice()
# ------------------------------ #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 2, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.CenterCrop(200),transforms.Grayscale(num_output_channels=3),transforms.ColorJitter(0.5, 0.5, 0.5, 0.5)]
tf = transforms.RandomChoice(tfs)
im1 = tf(im)
figure.add_subplot(1, 2, 2)
plt.title('choice')
plt.imshow(im1)
plt.axis('off')
plt.show()

(3) torchvision.transforms.RandomOrder()

以随机顺序应用列表中变换：torchvision.transforms.RandomOrder(transforms)

仅适用于 PIL Image 的变换。

参数：

• transforms，表示一个以变换为元素的列表。

该变换的意义是以随机顺序对输入图像应用变换列表 transforms 中的转换， 此转换不支持torchscript。
示例代码。

# ------------------------------ #
# 3.随机顺序应用变换 RandomOrder()
# ------------------------------ #
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt  # plt 用于显示图片figure = plt.figure()
im = Image.open('./data/faces/person.jpg')  # im.size=(239,209)# 展示原图像
figure.add_subplot(1, 2, 1)
plt.title('origin image')
plt.imshow(im)
plt.axis('off')tfs = [transforms.CenterCrop(200),transforms.Grayscale(num_output_channels=3),transforms.ColorJitter(0.5, 0.5, 0.5, 0.5)]
tf = transforms.RandomOrder(tfs)
im1 = tf(im)
figure.add_subplot(1, 2, 2)
plt.title('choice')
plt.imshow(im1)
plt.axis('off')
plt.show()

6. 通用变换

torchvision.transforms.lambda

参数：

• lambda，相当于函数，用于转换。

该变换需要用户自定义lambd，此转换不支持torchscript。 可以看下官网的例子，

7. 组合变换

torchvision.transforms.Compose(transforms)

参数：

• transforms，是一个 Transform objects 构成的列表。

表示将几个变换组合在一起使用， 此转换不支持torchscript。例如，

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

Pytorch(三)：数据变换 Transforms相关推荐

1. pytorch图片数据归一化，通常传入transforms.Normalize(mean,std,inplace=False)中的mean和std是如何获取的？

   pytorch做标准化利用transforms.Normalize(mean_vals, std_vals),其中常用数据集的均值方差有: if 'coco' in args.dataset:mean ...

2. opencv、matplotlib、pillow和pytorch读取数据的通道顺序

   文章目录: 1 opencv读取数据的通道顺序 1.1 opencv读取数据相关说明 1.2 显示opencv读取的数据 1.3 把opencv读取的BGR转换RGB的三种方式 2 matplotli ...

3. PyTorch：数据加载，数学原理，猫鱼分类，CNN，预训练，迁移学习

   1,数据加载 PyTorch开发了与数据交互的标准约定,所以能一致地处理数据,而不论处理图像.文本还是音频.与数据交互的两个主要约定是数据集(dataset)和数据加载器(dataloader).数据 ...

4. 深入浅出pytorch(三）

   Task02:pytorch基础模块 机器学习一般流程 数据预处理 格式统一 数据划分 数据变换 训练集 模型评估 测试集 损失函数 拟合训练 优化函数 模型 测试表现 基本配置 导入必要的数据处理包 ...

5. pytorch实现数据增强的原理

   pytorch的数据增强功能并非是事先对整个数据集进行数据增强处理,而是在从dataloader中获取训练数据的时候(获取每个epoch的时候)才进行数据增强. 举个例子,如下面的数据增强代码: tr ...

6. 数据预处理(三)——数据集成

   主要内容: 数据预处理的必要性 数据清洗 数据集成 数据标准化 数据规约 数据变换与离散化 利用sklearn进行数据预处理 小结 三.数据集成 数据集成是将多个数据源中的数据合并,存放于一个一致的数 ...

7. MATLAB 数据分析方法（第2版）2.3　数据变换

   2.3 数据变换 2.3.1 数据属性变换 在解决经济问题综合评价时,评价指标通常分为效益型.成本型.适度型等类型.效益型指标值越大越好,成本型指标值越小越好,适度型指标值既不能太大也不能太小为好. ...

8. r语言归一化_数据变换-归一化与标准化

   一般在机器学习的模型训练之前,有一个比较重要的步骤是数据变换. 因为,一般情况下,原始数据的各个特征的值并不在一个统一的范围内,这样数据之间就没有可比性. 数据变换的目的是将不同渠道,不同量级的数据转 ...

9. 数据预处理—-（数据探索、数据清理、数据集成、数据规约、数据变换）

   数据挖掘概念与技术 定义挖掘目标–>数据取样–>数据探索–>数据预处理–>挖掘建模–>模型评价 第一章.数据 挖掘的数据类型:时间序列,序列,数据流,时间空间数据,多媒体 ...

10. R实战 第六篇：数据变换（aggregate+dplyr）

    数据分析的工作,80%的时间耗费在处理数据上,而数据处理的主要过程可以分为:分离-操作-结合(Split-Apply-Combine),也就是说,首先,把数据根据特定的字段分组,每个分组都是独立的:然 ...

最新文章

1. 红外测试操作步骤_红外传感实验操作步骤及数据分析(无测试实图)
2. 分布式光纤管道泄漏监测系统管道泄漏检测技术分析
3. C程序-将华氏温度转换为摄氏和开氏
4. Python：对已有内容的TXT文件追加读写
5. 【关于PTA平台中出现的问题】warning: ignoring return value of ‘scanf’, declared with attribute warn_unused_result
6. J2EE：赛迪网J2EE视频总结
7. iOS8高清壁纸 - 专为iOS8量身定做，每日更新
8. plt-------
9. 华为各类工程师通信基础面试题目及答案
10. python教程94--python两个excel表合并，删除不需要的数据操作流程
11. 游戏平台搭建在韩国大带宽服务器CN2路线哪里的比较好
12. 编程初学者的4大网站（免费）
13. DNS术语中的CNAME、A、MX、TTL名词解释
14. IDA ，ida pro专业操作手册
15. Node.js运行app.js时候报错933
16. MS-TCT：InriaSBU提出用于动作检测的多尺度时间Transformer，效果SOTA！已开源！（CVPR2022）...
17. 渡一教育公开课web前端开发JavaScript精英课学习笔记（三）条件语句，循环语句
18. 《游戏机图鉴》：发展、继承、崩溃、复兴，游戏机的前世今生
19. 【MATLAB】矩阵操作 ( 矩阵构造 | 矩阵运算 )
20. Angular完整项目开发13 - 使用图表（ng2-charts+chart.js）

热门文章

1. 晒往期云栖大会的照片或感想_赢2017杭州云栖大会门票
2. 测量计算方位角万能公式及VB、VBA源代码
3. 【829】【06 信息检索策略和方法】
4. 做国外Lead，你不懂这些概念就out了
5. 双稳态电路的两个稳定状态是什么_一文为你详解继电器的工作原理及电路
6. 屏幕尺寸、分辨率、像素、PPT解释及其关系
7. 初中英语语法(018)-间接疑问句
8. 读书寄语：这一年，谢谢自己
9. java floor(),Java floor()用法及代码示例
10. html5断点续传播放视频,HTML5 大文件断点续传完整思路整理