这篇文章主要介绍“pytorch transforms图像增强怎么实现”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“pytorch transforms图像增强怎么实现”文章能帮助大家解决问题。

    一、前言

    本文基于的是pytorch3.7.1

    二、图像处理

    深度学习是由数据驱动的，而数据的数量和分布对于模型的优劣具有决定性作用，所以我们需要对数据进行一定的预处理以及数据增强，用于提升模型的泛化能力。

    一般来说深度学习神经网络训练前都需要做数据增强 (Data Augmentation) 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。

    下面为常见的图像变换

    1.原始图片

    显示图片，并读取图片大小

    from torchvision import transforms

from PIL import Image # 用于读取图片

import  matplotlib.pyplot as plt # 用于显示图片

image_path = './dog.jpg'

image = Image.open(image_path)

plt.imshow(image)

print(image.size)

plt.show()

    2.调整图片大小transforms.Resize

    2.1.transforms.Resize(x)

    主要用于调整PILImage对象的尺寸大小，图片短边缩放至x，长宽比保持不变

    将图片短边缩放至x，长宽比保持不变，上述图片执行transforms.Resize(300)

    from torchvision import transforms

from PIL import Image # 用于读取图片

import  matplotlib.pyplot as plt # 用于显示图片

# 图片显示，打印图片大小

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])

    同时指定图片长宽，这样会改变长宽比例但是不是裁剪，可以恢复

    from torchvision import transforms

from PIL import Image # 用于读取图片

import  matplotlib.pyplot as plt # 用于显示图片

# 图片显示，打印图片大小

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关于图片的恢复

    测试代码

    from torchvision import transforms

from PIL import Image # 用于读取图片

import  matplotlib.pyplot as plt # 用于显示图片

# 图片显示，打印图片大小

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()

    注意这里要使用transforms.Resize([h, w])

    3.图片裁剪

    3.1中心裁剪transforms.CenterCrop

    作用：中心裁剪图片

    主要参数:size，表示需要裁剪的图片大小

    代码示例：

    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随机裁剪transforms.RandomCrop(size,padding=None,pad_if_needed=False,fill=0,padding_mode='constant')

    主要参数：

    size：为需要裁剪的图片大小

    padding:设置填充大小

    大小为a：表示上下左右都填充a个元素

    大小为（a, b）：表示左右填充a个元素，上下填充b个元素

    大小为（a, b, c, d）:表示左上右下填充a, b, c, d个元素

    pad_if_needed:若图像小于设定 size，则填充，此时该项需要设置为 True

    padding_mode:填充模式，主要有四种

    • constant：像素值由 fill 设定。

    • edge：像素值由图像边缘像素决定。

    • reflect：镜像填充，最后一个像素不镜像，例如 [1, 2, 3, 4] → [3, 2, 1, 2, 3, 4, 3, 2]。

    • 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]。

    fill:当填充模式为padding_mode的填充值

    代码示例：

     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)

    将给定图像随机裁剪为不同的大小和宽高比，然后缩放所裁剪得到的图像为制定的大小；

    主要参数：

    size:为最终图片要resize的大小

    scale:为随机采样最少要覆盖原图的比例，在resize前

    ratio:为随机采样宽高的比例，也在resize前

    interpolation:插值方法

    代码示例：

    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.图片翻转与旋转

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

    p为旋转的概率

    代码示例：

    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垂直翻转

    代码示例

    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旋转transforms.RandomRotation
    RandomRotation(degrees,resample=False,expand=False,center=None)

    主要参数：

    • degrees：旋转角度。

            当为 a 时，在 (-a, a) 之间随机选择旋转角度。

            当为 (a, b) 时，在 (a, b) 之间随机选择旋转角度。

    • resample：重采样方法。

    • expand：是否扩大图片，以保持原图信息。

    • center：旋转点设置，默认中心旋转

    代码示例：

    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")

    关于“pytorch transforms图像增强怎么实现”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注***行业资讯频道，小编每天都会为大家更新不同的知识点。