pytorch?transforms圖像增強怎么實現

這篇文章主要介紹“pytorch transforms圖像增強怎么實現”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“pytorch transforms圖像增強怎么實現”文章能幫助大家解決問題。

一、前言

本文基于的是pytorch3.7.1

二、圖像處理

深度學習是由數據驅動的，而數據的數量和分布對于模型的優劣具有決定性作用，所以我們需要對數據進行一定的預處理以及數據增強，用于提升模型的泛化能力。

一般來說深度學習神經網絡訓練前都需要做數據增強 (Data Augmentation) 又稱為數據增廣、數據擴增，它是對 訓練集 進行變換，使訓練集更豐富，從而讓模型更具 泛化能力。

下面為常見的圖像變換

1.原始圖片

顯示圖片，并讀取圖片大小

from torchvision import transforms

from PIL import Image # 用于讀取圖片

import  matplotlib.pyplot as plt # 用于顯示圖片

image_path = './dog.jpg'

image = Image.open(image_path)

plt.imshow(image)

print(image.size)

plt.show()

2.調整圖片大小transforms.Resize

2.1.transforms.Resize(x)

主要用于調整PILImage對象的尺寸大小，圖片短邊縮放至x，長寬比保持不變

將圖片短邊縮放至x，長寬比保持不變，上述圖片執行transforms.Resize(300)

from torchvision import transforms

from PIL import Image # 用于讀取圖片

import  matplotlib.pyplot as plt # 用于顯示圖片

# 圖片顯示，打印圖片大小

image_path = './dog.jpg'

image = Image.open(image_path)

resize = transforms.Resize(300)

image1 = resize(image)

plt.imshow(image1)

print(image1.size)

plt.show()

2.2.transforms.Resize([x, y])

同時指定圖片長寬，這樣會改變長寬比例但是不是裁剪，可以恢復

from torchvision import transforms

from PIL import Image # 用于讀取圖片

import  matplotlib.pyplot as plt # 用于顯示圖片

# 圖片顯示，打印圖片大小

image_path = './dog.jpg'

image = Image.open(image_path)

resize = transforms.Resize([512, 300])

image1 = resize(image)

plt.imshow(image1)

print(image1.size)

plt.show()

2.3關于圖片的恢復

測試代碼

from torchvision import transforms

from PIL import Image # 用于讀取圖片

import  matplotlib.pyplot as plt # 用于顯示圖片

# 圖片顯示，打印圖片大小

image_path = './dog.jpg'

image = Image.open(image_path)

w, h = image.size

resize = transforms.Resize([512, 300])

image1 = resize(image)

resize2 = transforms.Resize([h, w])

image2 = resize2(image1)

plt.imshow(image2)

print(image2.size)

plt.show()

注意這里要使用transforms.Resize([h, w])

3.圖片裁剪

3.1中心裁剪transforms.CenterCrop

作用：中心裁剪圖片

主要參數:size，表示需要裁剪的圖片大小

代碼示例：

from torchvision import transforms

from PIL import Image

import matplotlib.pyplot as plt

transform = transforms.CenterCrop(512)

image_path= "./dog.jpg"

image = Image.open(image_path)

image1 = transform(image)

plt.imshow(image1)

print(image1.size)

plt.show()

image1.save('./dog_clipping.jpg')

3.2隨機裁剪transforms.RandomCrop(size,padding=None,pad_if_needed=False,fill=0,padding_mode='constant')

主要參數：

size：為需要裁剪的圖片大小

padding:設置填充大小

大小為a：表示上下左右都填充a個元素

大小為（a, b）：表示左右填充a個元素，上下填充b個元素

大小為（a, b, c, d）:表示左上右下填充a, b, c, d個元素

pad_if_needed:若圖像小于設定 size，則填充，此時該項需要設置為 True

padding_mode:填充模式，主要有四種

• constant：像素值由 fill 設定。

• edge：像素值由圖像邊緣像素決定。

• reflect：鏡像填充，最后一個像素不鏡像，例如 [1, 2, 3, 4] → [3, 2, 1, 2, 3, 4, 3, 2]。

• symmetric：鏡像填充，最后一個像素鏡像，例如 [1, 2, 3, 4] → [2, 1, 1, 2, 3, 4, 4, 3]。

fill:當填充模式為padding_mode的填充值

代碼示例：

 from torchvision import transforms

import matplotlib.pyplot as plt

from PIL import Image

transform = transforms.RandomCrop(size=(512, 512), padding=50, pad_if_needed=True, fill=0,padding_mode="constant")

image_path = "./dog.jpg"

image = Image.open(image_path)

random_crop_image = transform(image)

print(random_crop_image.size)

plt.imshow(random_crop_image)

plt.show()

random_crop_image.save("./random_crop_image.jpg")

3.3transforms.RandomResizedCrop

RandomResizedCrop(size,scale=(0.08,1.0),ratio=(3/4,4/3),interpolation)

將給定圖像隨機裁剪為不同的大小和寬高比，然后縮放所裁剪得到的圖像為制定的大小；

主要參數：

size:為最終圖片要resize的大小

scale:為隨機采樣最少要覆蓋原圖的比例，在resize前

ratio:為隨機采樣寬高的比例，也在resize前

interpolation:插值方法

代碼示例：

from torchvision import transforms

import matplotlib.pyplot as plt

from PIL import Image

transform = transforms.RandomResizedCrop(size=(256, 256),

                                         scale=(0.08, 1),

                                         ratio=(3/ 4, 4/3),

                                         interpolation=Image.NEAREST)

image_path = "./dog.jpg"

image = Image.open(image_path)

random_resize_crop_image = transform(image)

print(random_resize_crop_image.size)

plt.imshow(random_resize_crop_image)

plt.show()

random_resize_crop_image.save("./dog_random_resize_crop.jpg")

4.圖片翻轉與旋轉

4.1.transforms.RandomHorizontalFlip(p=0.5)水平翻轉

p為旋轉的概率

代碼示例：

from torchvision import transforms

import matplotlib.pyplot as plt

from PIL import Image

transform = transforms.RandomHorizontalFlip(p=0.7)

image_path = "./dog.jpg"

image = Image.open(image_path)

RandomHorizontalFlip_image = transform(image)

print(RandomHorizontalFlip_image.size)

plt.imshow(RandomHorizontalFlip_image)

plt.show()

RandomHorizontalFlip_image.save("./RandomHorizontalFlip_image.jpg")

4.2transforms.RandomVerticalFlip垂直翻轉

代碼示例

from torchvision import transforms

import matplotlib.pyplot as plt

from PIL import Image

transform = transforms.RandomVerticalFlip(p=0.8)

image_path = "./dog.jpg"

image = Image.open(image_path)

RandomVerticalFlip_image = transform(image)

print(RandomVerticalFlip_image.size)

plt.imshow(RandomVerticalFlip_image)

plt.show()

RandomVerticalFlip_image.save("./RandomVerticalFlip_image.jpg")

4.3旋轉transforms.RandomRotation

RandomRotation(degrees,resample=False,expand=False,center=None)

主要參數：

• degrees：旋轉角度。

        當為 a 時，在 (-a, a) 之間隨機選擇旋轉角度。

        當為 (a, b) 時，在 (a, b) 之間隨機選擇旋轉角度。

• resample：重采樣方法。

• expand：是否擴大圖片，以保持原圖信息。

• center：旋轉點設置，默認中心旋轉

代碼示例：

from torchvision import transforms

import matplotlib.pyplot as plt

from PIL import Image

transform = transforms.RandomRotation(degrees=90,resample=False, expand=True, center=None, fill=0)

image_path = "./dog.jpg"

image = Image.open(image_path)

RandomRotation_image = transform(image)

print(RandomRotation_image.size)

plt.imshow(RandomRotation_image)

plt.show()

RandomRotation_image.save("./RandomRotation_image.jpg")

關于“pytorch transforms圖像增強怎么實現”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。