一、数据增强(Data Augmentation)

数据增强又称为数据增广，数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。

1.1 中心裁剪

transforms.CenterCrop
功能：从中心裁剪图片
size：所需裁剪图片尺寸

1.2 随机裁剪

transforms.RandomCrop
功能：从图片中随机裁剪初尺寸为size的图片
size：所需裁剪图片尺寸
padding：设置填充大小，当为 int时， 例如padding=a时，图片上下左右均填充a个像素；当为tupple时，(a, b)，则左右填充a个像素，上下填充b个像素；(a, b, c, d)， 则左填充a个像素，下填充b个像素，右填充c个像素, 上填充d个像素。

pad_if_needed=False(默认), 若图像小于设定的size，则填充。当超出尺寸时，必须打开，不然会报错。
padding_mode：填充模式，有4种，
1、constant：像素由fill设定。
2、edge：像素由图像边沿像素决定。
3、reflect：像素填充，最后一个像素不镜像, 例如: [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, 例如：[1, 2, 3, 4] --> [2, 1, 1, 2, 3, 4, 4, 3]
file：constant时，设置填充的像素值.RGB值，类型为tupple

1.3 随机重新设置大小裁剪

transforms.RandomResizeCrop
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。有三种，PIL.Image.NEAREST（最近邻）、PIL.Image.BILNEAR(双切线插值)、PIL.Image.BICUBIC(双三次插值)

1.4 左上角、右上角、左下角、右下角、中心进行裁剪出5张size大小的图片

transforms.FiveCrop
功能：在图像的上下左右以及中心裁剪初尺寸为size的5张图片。
size：所需裁剪图片尺寸

1.5 左上角、右上角、左下角、右下角、中心进行裁剪出5张size大小的图片并进行镜像

transforms.TenCrop
功能：在图像的上下左右以及中心裁剪初尺寸为size的5张图片。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

1.7 水平翻转

transforms.HorizontalFlip(p=1)
功能：对图像依概率P进行水平(左右)翻转

1.8 垂直翻转

transforms.RandomVerticalFlip
功能：对图像依概率P进行垂直(上下)翻转

1.8 随机旋转图片

transforms.RandomRotation
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，以保存图片原有信息
center：旋转中心，(0, 0)为左上角。具体根据屏幕的坐标，(0, 0)为左上角。默认为图片中心

1.9

二、图像变换

2.1 填充图像边缘

transforms.Pad
功能：对图像边缘进行填充
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，constant、edge（图像边缘值填充）、reflect和symmetric
fill：constant时，设置填充的像素值，(R, G, B) or (Gray)

2.2 调整亮度、对比度、饱和度和色相

transforms.ColorJitter
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]种随机选择；
当为(a, b)时，从[a, b]中随机选择
constant：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

2.3 转换为灰度图

transforms.Grayscale
功能：依概率将图片转换为灰度图
num_output_channels：输出通道数，只能设置1或者3
p：概率值，图像被转换为灰度图的概率

2.4 随机仿射

transforms.Affine
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) 。图像在宽维度的平移区间为 -img_width * a < dx < img_width * a
scale ：缩放比例（以面积为单位）
file_color ：填充颜色设置
share：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，错切角度为(-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角度
resample：重采样方式有NEAREST、BILINEAR、BICUBIC

2.5 随机遮挡

transorms.RandomErasing
功能：对图像进行随机遮挡
p：概率值
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), value为字符串(不一定非要’random’)时，随机填充像素值。

2.6 自定义lambda方法

transforms.Lambda
功能：用户自定义lambda方法
lamda：lambda匿名函数
例如：lambda [arg1 [, arg2, …, ]]: expression

三、方法操作

3.1 随机选择

transforms.RandomChoice
功能：从一系列transforms方法种随机挑选一个

3.2 随机应用/执行

transforms.RandomApply
功能：依概率执行一组transforms操作

3.3 随机排序/打乱顺序

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

四、自定义transforms

注意： 自定义transforms要素：
1、仅接收一个参数，返回一个参数
2、注意上下游的输出与输入

最后

以上就是大方荷花为你收集整理的PyTorch中的transforms图像增强方法一、数据增强(Data Augmentation)二、图像变换三、方法操作四、自定义transforms的全部内容，希望文章能够帮你解决PyTorch中的transforms图像增强方法一、数据增强(Data Augmentation)二、图像变换三、方法操作四、自定义transforms所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。