https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247491791&idx=3&sn=f7ac3864154372d9d5503397d5db6b44&chksm=ec1c0d36db6b8420c6d06f086b2bf736dd41a27e34442e6bcb836bec1d3a09d66c4ae1a34b1a&mpshare=1&scene=23&srcid=&sharer_sharetime=1572490853805&sharer_shareid=b45689476c673cb095d9afc67051823e#rd

pytorch图像增强，主要是借用torchvision程序包。还有如imgaug等工具

torchvision 微信介绍

https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247489013&idx=2&sn=1b7302593e864a1df383975e4ec24b16&chksm=ec1ff80cdb68711a48e10a14613a78955d94de91da92a8c6f95bbf1ede3ef8828cd521441fef&mpshare=1&scene=24&srcid=0528787IjdUloErbEu4V8XR4&key=b872184137e9e0f6bf5430cb75afb17ed2ad7a5dc60d3d048beb7b215f14f0fad1466481ba2660f924ae63cc65de42999396ae4e94ae394c3ca42d0a23925568f178c36d70d999e7cb83bce12a305176&ascene=14&uin=NDYyODk2ODM1&devicetype=Windows+8.1&version=62070152&lang=zh_CN&pass_ticket=cfpCbxAmMkQaC4fmQfKa2FVmv%2FBIKqRjClpP%2BXkc5FSAXTHYLWZ4TjUiyjc8mc0K

本文主要介绍Pytorch中torchvision.transforms 几个数据增强函数的使用。

from torchvision import transformsfrom PIL import Imagefrom torchvision.transforms import functional as TFimport torch# 读取一张测试图片path = "F:/jupyter/OpenCV-Python-Tutorial/Tutorial/sample_img/lena.jpg"img = Image.open(path)img

对 Torch 数据操作的变换

ToPILImage

Convert a tensor or an ndarray to PIL Image.

# 将 ``PIL Image`` or ``numpy.ndarray`` 转换成 tensor 再转成 PIL Image.transform = transforms.Compose([    transforms.ToTensor(),     # Convert a ``PIL Image`` or ``numpy.ndarray`` to tensor.    transforms.ToPILImage()     # Convert a tensor or an ndarray to PIL Image.])
new_img = transform(img)new_img

Normalize

提供一个所有通道的均值（mean）和方差（std），会将原始数据进行归一化，操作的数据格式是 Tensor

mean = [0.5, 0.5, 0.5]

std = [0.5, 0.5, 0.5]transform = transforms.Compose([    transforms.ToTensor(),    transforms.Normalize(mean, std),     transforms.ToPILImage() # 这里是为了可视化，故将其再转为 PIL，以下同理])
new_img = transform(img)new_img

对 PIL 数据操作的变换

ToTensor

将 PIL Image 或者 numpy.ndarray 格式的数据转换成 tensor

transform = transforms.Compose([    transforms.ToTensor(), # Convert a ``PIL Image`` or ``numpy.ndarray`` to tensor.])
new_img = transform(img)

Resize

Resize the input PIL Image to the given size.

参数

size: 一个值的话，高和宽共享，否则对应是 (h, w)
interpolation: 插值方式默认 PIL.Image.BILINEAR

size = (100, 100)transform = transforms.Compose([    transforms.Resize(size),])
new_img = transform(img)new_img

CenterCrop

Crops the given PIL Image at the center.
裁剪一定 size 的图片，以图片的中心往外

参数

size: 一个值的话，高和宽共享，否则对应是 (h, w)，若是该值超过原始图片尺寸，则外围用 0 填充

size = (200, 500)transform = transforms.Compose([    transforms.CenterCrop(size),])
new_img = transform(img)new_img

Pad

Pad the given PIL Image on all sides with the given "pad" value.

参数

padding：填充的宽度，可以是一个值、或者元组，分别对应 4 个边
fill：填充的值，可以是一个值（所有通道都用该值填充），或者一个 3 元组（RGB 三通道）当 padding_mode=constant 起作用
padding_mode：填充的模式：constant, edge（填充值为边缘）, reflect (从边缘往内一个像素开始做镜像) or symmetric（从边缘做镜像）.

padding = (10, 20, 30, 40)transform = transforms.Compose([    transforms.Pad(padding, padding_mode="symmetric"), ])
new_img = transform(img)new_img

Lambda

根据用户自定义的方式进行变换

lambd = lambda x: TF.rotate(x, 100)

transform = transforms.Compose([    transforms.Lambda(lambd)])
new_img = transform(img)new_img

RandomApply

给定一定概率从一组 transformations 应用

transform = [transforms.Pad(100, fill=(0, 255, 255)), transforms.CenterCrop(100), transforms.RandomRotation(20)]transform = transforms.Compose([    transforms.RandomApply(transform, p=0.5)])
new_img = transform(img)new_img

RandomChoice

Apply single transformation randomly picked from a list

transform = [transforms.Pad(100, fill=(0, 255, 255)), transforms.CenterCrop((100, 300))]transform = transforms.Compose([    transforms.RandomChoice(transform)])
new_img = transform(img)new_img

RandomOrder

Apply a list of transformations in a random order

transform = [transforms.Pad(100, fill=(0, 255, 255)), transforms.CenterCrop((50, 50))]transform = transforms.Compose([    transforms.RandomOrder(transform)])
new_img = transform(img)new_img

RandomCrop

Crop the given PIL Image at a random location.

参数：

size
padding=None
pad_if_needed=False
fill=0
padding_mode='constant'

transform = transforms.Compose([    transforms.RandomCrop((100, 300))])
new_img = transform(img)new_img

RandomHorizontalFlip & RandomVerticalFlip

Horizontally/Vertically flip the given PIL Image randomly with a given probability.

transform = transforms.Compose([    transforms.RandomHorizontalFlip(p=0.5),    transforms.RandomVerticalFlip(p=0.5)])
new_img = transform(img)new_img

RandomResizedCrop

Crop the given PIL Image to random size and aspect ratio.

参数：

size: expected output size of each edge
scale: range of size of the origin size cropped
ratio: range of aspect ratio of the origin aspect ratio cropped
interpolation: Default: PIL.Image.BILINEAR

transform = transforms.Compose([    transforms.RandomResizedCrop((200, 300))])
new_img = transform(img)new_img

RandomSizedCrop

已经废弃，由 RandomResizedCrop. 取代了

FiveCrop

将给定的 PIL 图像裁剪成四个角和中间的裁剪

UNIT_SIZE = 200 # 每张图片的宽度是固定的size = (100, UNIT_SIZE)transform = transforms.Compose([    transforms.FiveCrop(size)])
new_img = transform(img)delta = 20  # 偏移量，几个图片间隔看起来比较明显new_img_2 = Image.new("RGB", (UNIT_SIZE*5+delta, 100))top_right = 0for im in new_img:    new_img_2.paste(im, (top_right, 0)) # 将image复制到target的指定位置中    top_right += UNIT_SIZE + int(delta/5) # 左上角的坐标，因为是横向的图片，所以只需要 x 轴的值变化就行
new_img_2

TenCrop

裁剪一张图片的 4 个角以及中间得到指定大小的图片，并且进行水平翻转 / 竖直翻转共 10 张

参数：

size
vertical_flip=False (默认是水平翻转)

UNIT_SIZE = 200 # 每张图片的宽度是固定的size = (100, UNIT_SIZE)
transform = transforms.Compose([    transforms.TenCrop(size, vertical_flip=True)])
new_img = transform(img)
delta = 50  # 偏移量，几个图片间隔看起来比较明显new_img_2 = Image.new("RGB", (UNIT_SIZE*10+delta, 100))top_right = 0for im in new_img:    new_img_2.paste(im, (top_right, 0)) # 将image复制到target的指定位置中    top_right += UNIT_SIZE + int(delta/10) # 左上角的坐标，因为是横向的图片，所以只需要 x 轴的值变化就行
new_img_2

LinearTransformation

白化变换，笔者不是很理解，但是好像消耗的内存应该比较大

ColorJitter

Randomly change the brightness, contrast and saturation of an image. 随机改变图像的亮度、对比度和饱和度

参数：

brightness：亮度
contrast：对比度
saturation：饱和度
hue：色调 0<= hue <= 0.5 or -0.5 <= min <= max <= 0.5.

transform = transforms.Compose([    transforms.ColorJitter(brightness=(0, 36), contrast=(        0, 10), saturation=(0, 25), hue=(-0.5, 0.5))])
new_img = transform(img)new_img

RandomRotation

一定角度旋转图像

参数：

degrees：旋转的角度
resample=False：重采样过滤器可选 {PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC}
expand=False：如果为 True ，则展开输出，使其足够大以容纳整个旋转后的图像。如果为 Fales 或省略，使输出图像的大小与输入图像相同。
center=None 旋转中心

transform = transforms.Compose([

    transforms.RandomRotation(30, resample=Image.BICUBIC, expand=False, center=(100, 300))])
new_img = transform(img)new_img

RandomAffine

保持图像中心不变的随机仿射变换，可以进行随心所欲的变化

参数：

degrees：旋转角度
translate：水平偏移
scale:
shear: 裁剪
resample ({PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC}, optional)
fillcolor: 图像外部填充颜色 int

transform = transforms.Compose([

    transforms.RandomAffine(degrees=30, translate=(0, 0.2), scale=(0.9, 1), shear=(6, 9), fillcolor=66)])
new_img = transform(img)new_img

Grayscale

转换图像灰度。

参数：

num_output_channels：1 或者 3 输出图像所需的通道数 (若是 3 的话，则代表三个通道的值是一样的)

ransform = transforms.Compose([    transforms.Grayscale(num_output_channels=3)])
new_img = transform(img)new_img_array = np.array(new_img)r, g, b = new_img_array[:, :, 0], new_img_array[:, :, 1], new_img_array[:, :, 2]print(r == b)print("shape:", new_img_array.shape)new_img[[ True  True  True ...  True  True  True] [ True  True  True ...  True  True  True] [ True  True  True ...  True  True  True] ... [ True  True  True ...  True  True  True] [ True  True  True ...  True  True  True] [ True  True  True ...  True  True  True]]shape: (400, 400, 3)

RandomGrayscale

Randomly convert image to grayscale with a probability of p (default 0.1). 以一定的概率对图像进行灰度化，转换后的图片还是 3 通道的

transform = transforms.Compose([    transforms.RandomGrayscale(p=0.6)])
new_img = transform(img)print(np.array(new_img).shape)new_img(400, 400, 3)

RandomPerspective

对给定的 PIL 图像以给定的概率随机进行透视变换。

transform = transforms.Compose([    transforms.RandomPerspective(distortion_scale=1, p=1, interpolation=3)])
new_img = transform(img)new_img

其他

transforms.Compose 函数是将几个变化整合在一起的，变换是有顺序的，需要注意是变换函数是对 PIL 数据格式进行还是 Torch 数据格式进行变换

pytorch图像增强

对 Torch 数据操作的变换

ToPILImage

Normalize

对 PIL 数据操作的变换

ToTensor

Resize

CenterCrop

Pad

Lambda

RandomApply

RandomChoice

RandomOrder

RandomCrop

RandomHorizontalFlip & RandomVerticalFlip

RandomResizedCrop

RandomSizedCrop

FiveCrop

TenCrop

LinearTransformation

ColorJitter

RandomRotation

RandomAffine

Grayscale

RandomGrayscale

RandomPerspective

其他

猜你喜欢