当前位置：首页 > article >正文

[pytorch] --- pytorch基础之transforms

article 2025/2/1 17:50:59

1 pytorch中transforms介绍

transforms是torchvision中的一个模块（torchvision 是Pytorch的计算机视觉工具包），该模块定义了很多用于图像预处理的类，列举如下：

    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、饱和度以及对比度变换等。

通过实例化该工具类，可以方便地对图像进行各种变换操作。

transforms 本质就是一个python文件，相当于一个工具箱，里面包含诸如 Resize、ToTensor、Normalize 等类，这些类就是我们需要用到的图像预处理工具。transforms 的使用无非是将图像通过工具转换成我们需要的结果。

2 Transforms 的使用

transform模块中存在许多类：
在这里插入图片描述

在使用transforms中的模块时，需要：

实例化某一特定工具类： tool = transforms.tool() 获得工具类的实例对象；
对需要的结果进行转换 : result = tool(input) 获得结果

2.1 ToTensor()

ToTensor()类作用：将PIL图像或NumPy ndarray 转换为PyTorch张量，‌并将像素值从[0, 255]缩放到[0.0, 1.0]。‌

from torchvision import transforms
from PIL import Image
 
img_path  = "hymenoptera_data/train/ants_img/0013035.jpg"
img = Image.open(img_path)
print(img)  #<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x15424866150>
 
# 下面是 把图像的像素值从[0, 255]缩放到[0.0, 1.0]
transforms_to_tensor =  transforms.ToTensor()
img_tensor = transforms_to_tensor(img)
print(img_tensor)   # 将图像数据 转换为 tensor 类型的数据

执行结果如下：

/home/decre/miniconda3/envs/pytorch/bin/python /home/decre/work/ybb/base_pytorch/03_transform.py 
<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x7548E9710D60>
tensor([[[0.3137, 0.3137, 0.3137,  ..., 0.3176, 0.3098, 0.2980],
         [0.3176, 0.3176, 0.3176,  ..., 0.3176, 0.3098, 0.2980],
         [0.3216, 0.3216, 0.3216,  ..., 0.3137, 0.3098, 0.3020],
         ...,
         [0.3412, 0.3412, 0.3373,  ..., 0.1725, 0.3725, 0.3529],
         [0.3412, 0.3412, 0.3373,  ..., 0.3294, 0.3529, 0.3294],
         [0.3412, 0.3412, 0.3373,  ..., 0.3098, 0.3059, 0.3294]],

        [[0.5922, 0.5922, 0.5922,  ..., 0.5961, 0.5882, 0.5765],
         [0.5961, 0.5961, 0.5961,  ..., 0.5961, 0.5882, 0.5765],
         [0.6000, 0.6000, 0.6000,  ..., 0.5922, 0.5882, 0.5804],
         ...,
         [0.6275, 0.6275, 0.6235,  ..., 0.3608, 0.6196, 0.6157],
         [0.6275, 0.6275, 0.6235,  ..., 0.5765, 0.6275, 0.5961],
         [0.6275, 0.6275, 0.6235,  ..., 0.6275, 0.6235, 0.6314]],

        [[0.9137, 0.9137, 0.9137,  ..., 0.9176, 0.9098, 0.8980],
         [0.9176, 0.9176, 0.9176,  ..., 0.9176, 0.9098, 0.8980],
         [0.9216, 0.9216, 0.9216,  ..., 0.9137, 0.9098, 0.9020],
         ...,
         [0.9294, 0.9294, 0.9255,  ..., 0.5529, 0.9216, 0.8941],
         [0.9294, 0.9294, 0.9255,  ..., 0.8863, 1.0000, 0.9137],
         [0.9294, 0.9294, 0.9255,  ..., 0.9490, 0.9804, 0.9137]]])

Process finished with exit code 0

2.2 ToPILImage()

ToPILImage()作用：将PyTorch张量转换回PIL图像

Tensor_to_PIL = transforms.ToPILImage()
img_PIL = Tensor_to_PIL(img_tensor)
print(img_PIL)
img_PIL.show()

2.3 Normalize()

# 归一化
# Normalize a tensor image with mean and standard deviation.
# 初始化参数： mean, std, inplace=False
# 计算公式：output[channel] = (input[channel] - mean[channel]) / std[channel]

"""
以下述 mean 与  std 为例：
    output = (input - 0.5) / 0.5
 => output =  2 * input - 1
 => 又因为 input = [0,1]
 => 所以  output = [-1,1]
"""
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trans_norm(img_tensor)
print(img_norm)
 
write.add_image("Normalize",img_norm)
write.close()

结果归一化后的图像：

2.4 Resize()

Resize()作用：调整图像的尺寸

__init__(self, size, interpolation=InterpolationMode.BILINEAR, max_size=None, antialias=True):

    size : 如果size是一个序列（h，w），输出大小将与此匹配。  如果size是int（只有一个数据），图像的较小边缘将与该数字匹配。
    即，如果高度>宽度，则图像将被重新缩放为(size * height / width, size)。
    interpolation: 指定图像缩放时采用的插值方法。‌插值方法决定了新图像中像素值的计算方式，‌从而影响缩放后图像的质量。‌

Note: 经过 resize 之后，img 的类型仍然是 PIL 类型。因此，后续如果使用，需要将该类型转为 tensor 类型

2.5 RandomCrop()

随即裁剪：

def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")

    size :  (h,w) 类型：依照 长、宽裁剪； int 类型：方形裁剪（int,int）
    padding:  边框填充，如果提供了单个int，则用于填充所有边框。如果提供了长度为2的序列，则这是填充分别位于左侧/右侧和顶部/底部。如果提供长度为4的序列，这是分别用于左、上、右和下边框的填充。

# RandomCrop 随机裁剪
#def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
trans_randcrop = transforms.RandomCrop(100,10)
for i in range(10):
    img_crop = trans_randcrop(img)
    img_crop = transforms_to_tensor(img_crop)
    write.add_image("RandmCrop",img_crop,i)
write.close()

2.6 Compose()

将多个操作，作为一个序列完成。
其参数为一个列表 [ transforms1, transforms2 … ]

trans_resize = transforms.Resize((512,512))
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
transforms_to_tensor =  transforms.ToTensor()
 
trans_comp = transforms.Compose([trans_resize, transforms_to_tensor,trans_norm])
img_comp =  trans_comp(img)
write.add_image("Compose",img_comp)

上述代码：依次进行了：缩放、toTensor、归一化

3 总结

transform使用方法是：
1> 首先关注它的输入需要什么样的数据类型，是PIL，是Numpy，是Tensor …
2> 关注它的输出是什么样的数据类型
3> 查看官方文档的参数

上面实验使用到的全部代码

from torchvision import transforms
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
 
img_path  = "hymenoptera_data/train/ants_img/0013035.jpg"
img = Image.open(img_path)
print(img)  #<PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=768x512 at 0x15424866150>
 
# 下面是 把图像的像素值从[0, 255]缩放到[0.0, 1.0]
transforms_to_tensor =  transforms.ToTensor()
img_tensor = transforms_to_tensor(img)
print(img_tensor)   # 将图像数据 转换为 tensor 类型的数据
 
 
write = SummaryWriter("logs")
write.add_image("ToTensor",img_tensor)
 
 
# Tensor_to_PIL = transforms.ToPILImage()
# img_PIL = Tensor_to_PIL(img_tensor)
# print(img_PIL)
# #img_PIL.show()
 
 
# 归一化
#Normalize a tensor image with mean and standard deviation.
# 初始化参数： mean, std, inplace=False
# 计算公式：output[channel] = (input[channel] - mean[channel]) / std[channel]
"""
以下述 mean 与  std 为例：
    output = (input - 0.5) / 0.5
 => output =  2 * input - 1
 => 又因为 input = [0,1]
 => 所以  output = [-1,1]
"""
trans_norm = transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5])
img_norm = trans_norm(img_tensor)
print(img_norm)
 
write.add_image("Normalize",img_norm)
 
 
# Resize()
print(img.size)       # (768, 512)
trans_resize = transforms.Resize((512,512))
img_resize =  trans_resize(img)
print(img_resize)     # <PIL.Image.Image image mode=RGB size=512x512 at 0x225ED6223F0>
img_resize = transforms_to_tensor(img_resize)  # PIL 类型 转为 tensor 类型
print(img_resize)
write.add_image("Resize",img_resize)
 
 
trans_comp = transforms.Compose([trans_resize, transforms_to_tensor])
img_comp =  trans_comp(img)
write.add_image("Compose",img_comp)
 
 
# RandomCrop 随机裁剪
#def __init__(self, size, padding=None, pad_if_needed=False, fill=0, padding_mode="constant")
trans_randcrop = transforms.RandomCrop(100,10)
for i in range(10):
    img_crop = trans_randcrop(img)
    img_crop = transforms_to_tensor(img_crop)
    write.add_image("RandmCrop",img_crop,i)
write.close()