torchvision.transforms模块介绍
torchvision.transforms模块
官网地址：https://pytorch.org/docs/stable/torchvision/transforms.html#
torchvision是独立于PyTorch的关于图像操作的一个工具库，目前包括六个模块：
- torchvision.datasets：几个常用视觉数据集，可以下载和加载，以及如何编写自己的Dataset。
- torchvision.models：经典模型，例如AlexNet、VGG、ResNet等，以及训练好的参数。
- torchvision.transforms：常用的图像操作，例随机切割、旋转、数据类型转换、tensor与numpy 和PIL Image的互换等。
- torchvision.ops：提供CV中常用的一些操作，比如NMS、ROI_Align、ROI_Pool等。
- torchvision.io：提供输入输出的一些操作，目前针对的是视频的写入写出。
- torchvision.utils：其他工具，比如产生一个图像网格等。
这里主要介绍torchvision.transforms模块。
torchvision.transforms模块按照功能，可分为5个部分，所有转换均可用torchvision.transforms.Compose() 来组合。
- Transforms on PIL Image：在PIL Image上进行的转换，比如随机翻转、剪切等。
- Transforms on torch.Tensor：在tensor上进行的转换，最常用的是归一化操作transforms.Normalize(mean, std, inplace=False)。
- Conversion Transforms：PIL.Image/numpy.ndarray与Tensor的相互转换。
- Generic Transforms：提供自定义转换接口。
- Functional Transforms：不同于前面的转换，这里可以提供更细粒度的控制，需要自己提供随机生成器或指定参数。
下面重点介绍PIL.Image/numpy.ndarray与Tensor的相互转换，归一化，对PIL.Image进行裁剪、缩放等操作。
1 PIL.Image/numpy.ndarray与Tensor的相互转换
PIL.Image/numpy.ndarray转化为Tensor，常常用在训练模型阶段的数据读取，而Tensor转化为PIL.Image/numpy.ndarray则用在验证模型阶段的数据输出。
from torchvision import transforms
transform1 = transforms.Compose([
transforms.ToTensor() #PIL Image/ndarray (H,W,C) [0,255] to tensor (C,H,W) [0.0,1.0]
])
##numpy.ndarray与Tensor的相互转换
import cv2
import numpy as np
img_path = 'Lenna.png'
img1 = cv2.imread(img_path) #img1格式为ndarray (512,512,3) uint8 BGR
img_1 = transform1(img1) #tensor (3,512,512) float32 范围是[0.0,1.0]
#将转换后的tensor还原成ndarray
img_11 = (img_1.numpy() * 255).astype('uint8')
img_11 = np.transpose(img_11, (1,2,0))
#判断两者是否相等
print((img1==img_11).all()) #True
#显示
cv2.imshow('img_11', img_11)
cv2.waitKey()
##PIL.Image与Tensor的相互转换
from PIL import Image
img2 = Image.open(img_path) #为PIL图像对象，即PIL.PngImagePlugin.PngImageFile，默认RGB
img_2 = transform1(img2) #tensor (3,512,512) float32 范围是[0.0,1.0]
#将转换后的tensor还原成PIL Image
img_22 = transforms.ToPILImage()(img_2) #PIL.Image.Image
img_22.show()
2 归一化 transforms.Normalize
transforms.Normalize使用该公式进行归一化：channel = (channel-mean) / std.
上面的示例中，将transform1改成下面的transform2，即可将tensor数据的范围由[0.0,1.0]归一化到[-1.0, 1.0]
transform2 = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize(mean = (0.5, 0.5, 0.5), std = (0.5, 0.5, 0.5))
])
3 PIL.Image的缩放裁剪等操作
transforms还提供了裁剪缩放等操作，以便进行数据增强。下面就看一个随机裁剪的例子，这个例子中，仍然使用 Compose 将 transforms 组合在一起。注意，这里对图像的操作主要是针对PIL.Image对象，所以需要先转换成PIL.Image格式。
transform3 = transforms.Compose([
transforms.ToTensor(),
transforms.ToPILImage(),
transforms.RandomCrop((300,300)),
])
img = Image.open(img_path)
img3 = transform3(img)
img3.show()
Reference：
