[Python]-torchvision.transforms模块-图像预处理

PyTorch框架中常用torchvision模块来辅助计算机视觉算法的搭建，transforms用于图像的预处理。

from torchvision import transforms

---

预处理操作集合：Compose

rans = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean = [0.485, 0.456, 0.406], std = [0.229, 0.224, 0.225]) # imagenet
    ])

图像转Tensor：ToTensor()

这个操作会把(H·W·C)范围在[0,255]的PIL图像转换为(C·H·W)范围在[0,1]的torch.tensor。
不仅对图像做了映射，而且把通道数放在前面。

归一化处理：Normalize()

对数据按通道进行标准化，即减去均值，再除以方差，使其正态分布，收敛更快。
数据范围：[-1,1]
其中mean和std是从数据集中得到的，比如(mean = [0.485, 0.456, 0.406], std = [0.229, 0.224, 0.225])这组数据就是从ImageNet中得到。

计算mean和std的代码：

#这里以上述创建的单数据为例子
data = np.array([
                [[1,1,1],[1,1,1],[1,1,1],[1,1,1],[1,1,1]],
                [[2,2,2],[2,2,2],[2,2,2],[2,2,2],[2,2,2]],
                [[3,3,3],[3,3,3],[3,3,3],[3,3,3],[3,3,3]],
                [[4,4,4],[4,4,4],[4,4,4],[4,4,4],[4,4,4]],
                [[5,5,5],[5,5,5],[5,5,5],[5,5,5],[5,5,5]]
        ],dtype='uint8)

#将数据转为C,W,H，并归一化到[0，1]
data = transforms.ToTensor()(data)
# 需要对数据进行扩维，增加batch维度
data = torch.unsqueeze(data,0)

nb_samples = 0.
#创建3维的空列表
channel_mean = torch.zeros(3)
channel_std = torch.zeros(3)
print(data.shape)
N, C, H, W = data.shape[:4]
data = data.view(N, C, -1)     #将w,h维度的数据展平，为batch，channel,data,然后对三个维度上的数分别求和和标准差
print(data.shape)
#展平后，w,h属于第二维度，对他们求平均，sum(0)为将同一纬度的数据累加
channel_mean += data.mean(2).sum(0)  
#展平后，w,h属于第二维度，对他们求标准差，sum(0)为将同一纬度的数据累加
channel_std += data.std(2).sum(0)
#获取所有batch的数据，这里为1
nb_samples += N
#获取同一batch的均值和标准差
channel_mean /= nb_samples
channel_std /= nb_samples
print(channel_mean, channel_std)

其他操作

Resize：把给定的图片resize到给定的尺寸。

ToPILImage: 将torch.tensor 转换为PIL图像。

CenterCrop：以输入图的中心点为中心做指定size的裁剪操作。

RandomCrop：以输入图的随机位置为中心做指定size的裁剪操作。

RandomHorizontalFlip：以0.5概率水平翻转给定的PIL图像。

RandomVerticalFlip：以0.5概率竖直翻转给定的PIL图像。

RandomResizedCrop：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（有一个参数n）。

Grayscale：将给定图像转换为灰度图像。

RandomGrayscale：将图像以指定的概率转换为灰度图像。

FiveCrop: 从一张输入图像中裁剪出5张指定size的图像，包括4个角的图像和一个中心。

TenCrop：剪出10张指定size的图像。做法是在FiveCrop的基础上，再将输入图像进行水平或竖直翻转，然后进行FiveCrop操作，这样一张图像可得到10张crop图像。

Pad：对给定图像的所有边用的“padding”个像素用“fill”值填充。

ColorJitter：修改图像的亮度，对比度，饱和度和色度。

Lambda：做其参数指定的变换。

参考笔记：https://www.jianshu.com/p/e7e45030bebd
参考文档：https://pytorch-cn.readthedocs.io/torchvision/torchvision-transform/