PyTorch——transforms

接着上一篇，我们这一篇讲transforms

1、什么是transform

首先transform是来自PyTorch的一个扩展库——【torchvision】，【torchvision】这个库提供了许多计算机视觉相关的工具和功能，能够在神经网络中，将图像、数据集、预处理模型等等数据转化成计算机训练学习所能用的格式的数据。

比如：

torchvision.transforms：提供了常用的图像预处理方法，用于对图像进行变换、缩放、裁剪、旋转、翻转等操作。例如，ToTensor将PIL图像或numpy数组转换为Tensor，Normalize对图像进行标准化处理，RandomCrop随机裁剪图像等。

；
torchvision.datasets：包含了一些常用的数据集的dataset实现，方便用户加载和使用。例如，MNIST是一个手写数字数据集，CIFAR-10是一个包含10个类别的彩色图像数据集，ImageNet是一个大规模的图像数据集等。这些数据集可以方便地用于训练和评估模型。

;
torchvision.models：提供了一些常用的预训练模型，可以用于图像分类、目标检测、图像分割等任务。这些模型包括了经典的网络结构，如AlexNet、VGG、ResNet、GoogLeNet等。用户可以通过加载预训练模型，快速搭建和使用这些模型。

;
torchvision.utils：提供了一些辅助函数和工具，用于计算机视觉任务中的常见操作。例如，make_grid可以将多张图像拼接成一个网格显示，save_image可以将Tensor保存为图像文件，draw_bounding_boxes可以在图像上绘制边界框等。

那么简单说，【torchvision】的transform就是专门对图像进行预处理的工具，你别的数据形式在计算机训练时人家看不懂用不上。

2、怎么用

第一步：导包

from torchvision import transforms

第二步：创建 “工具” 对象

这么解释，transforms是一个工具箱，里面有ToTensor、resize、Normalize......很多用来处理图像的工具，那么要用他们就得先创建他们的对象

其中具体有哪些工具这里简单说一下：

；

数据中心化（Data normalization）

Normalize(mean, std)：对图像进行均值和标准差的归一化处理。（简单理解就是优化）

数据标准化（Data standardization）

ToTensor()：将PIL图像或numpy数组转换为Tensor，并将像素值缩放到[0, 1]范围内。

缩放（Resizing）

Resize(size)：将图像的大小调整为指定的尺寸。
RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.333))：随机裁剪并缩放图像到指定的尺寸。

裁剪（Cropping）

CenterCrop(size)：从图像的中心裁剪出指定大小的区域。
RandomCrop(size)：随机裁剪图像的一部分。

旋转（Rotation）

RandomRotation(degrees)：随机旋转图像一定角度。

翻转（Flipping）

RandomHorizontalFlip(p=0.5)：以给定的概率随机水平翻转图像。
RandomVerticalFlip(p=0.5)：以给定的概率随机垂直翻转图像。

填充（Padding）

Pad(padding)：在图像周围填充指定数量的像素。

噪声添加（Noise adding）

RandomNoise()：向图像中添加随机噪声。

灰度变换（Grayscale transformation）

Grayscale(num_output_channels=1)：将图像转换为灰度图像。

线性变换（Linear transformation）

RandomAffine(degrees, translate=None, scale=None, shear=None)：随机仿射变换图像。

亮度、饱和度及对比度变换（Brightness, saturation, and contrast transformation）

AdjustBrightness(brightness_factor)：调整图像的亮度。
AdjustSaturation(saturation_factor)：调整图像的饱和度。
AdjustContrast(contrast_factor)：调整图像的对比度。

//例子创建一个ToTensor()对象，将图片转化成Tensor类型数据
tensor_trans = transforms.ToTensor()

第三步：利用工具对象处理输入的图像数据

//变量接收 = 工具对象(输入的图片数据)
//例如：
tensor_image = tensor_trans(image)

那么这里做一个获取图片并装化成tensor类型，输出一下的例子吧：

from torchvision import transforms
from PIL import Image# 获取图片数据
image_path = "dataset/train/ants/5650366_e22b7e1065.jpg"
image = Image.open(image_path)# 利用transform的ToTensor工具，将图片数据转化成tensor数据
tensor_trans = transforms.ToTensor()
tensor_image = tensor_trans(image)# 输出一下
print(tensor_image)

简单看图片了解结构：

那么上一篇我们讲了，利用tensorboard图像处理库可以直观看到数据图像，这里我们结合tensorboard试一下，利用tensorboard图像处理库的SummaryWriter工具包的【.add_image( )】方法来生成图像

不过我们上一篇学到【.add_image( )】针对numpy的图像数据，需要这4个参数

但是这次我们不用numpy作为图像数据，我们改用tensor作为图像数据了，那么可以看到SummaryWriter的【.add_image( )】源码里是支持tensor作为图像数据的，而且可以省略后两个参数

因此，完整代码：

from torchvision import transforms
from PIL import Image
# 导入tensorboard图像处理库的SummaryWriter工具包
from torch.utils.tensorboard import SummaryWriter# 获取图片数据
image_path = "dataset/train/ants/5650366_e22b7e1065.jpg"
image = Image.open(image_path)# 利用transform的ToTensor工具，将图片数据转化成tensor数据
tensor_trans = transforms.ToTensor()
tensor_image = tensor_trans(image)# 利用tensorboard图像处理库，将tensor类型的图像数据添加进去，生成图片
write = SummaryWriter("logs")
write.add_image("Tensor_img", tensor_image)