torchvision 是 torch 中计算机视觉库，提供了3种类型的接口，包括 datasets、transforms、model，其中 transforms 封装了各种图像数据增强的方法
裁剪
transforms.CenterCrop(size)：从图像中心裁剪图片
- size：裁剪尺寸
transforms. RandomCrop：从图像中随机裁剪出指定尺寸的图片
- size：裁减尺寸
- padding：设置填充大小，默认为 None；可取整型和tuple，
// 当为整型 a 时，表示上下左右填充 a 个像素；
// 当为 (a，b) 时，代表上下填充 b，左右填充 a 个像素；
// 当为 (a，b，c，d) 时，代表 左上右下 填充 abcd 个像素 【顺时针】
- pad_if_need：若图像尺寸小于 裁剪 size，则需要填充，默认 False
- padding_mode：填充模式，共4种模式，默认取 constant
1. constant：像素值由 fill 参数指定
2. edge：像素值由图像边缘像素决定
3. reflect：镜像填充，最后一个像素不镜像，如 图像像素为 [1,2,3,4]，则镜像填充为 [3,2,1,2,3,4,3,2]， 边缘像素 1 4 不镜像
4. symmetric：镜像填充，最后一个像素也镜像，上例镜像填充为 [3,2,1,1,2,3,4,4,3,2]
- fill：填充值，当 padding_mode 为 constant 时有效，默认为 0
transforms.RandomSizeCrop：随机大小 长宽比 裁剪图片
- size：最后生成的图像尺寸
- scale：随机裁剪面积比例，默认 (0.08,1)
- ratio：随机长宽比，默认 (3/4,4/3)
- interpolation：插值方法，PIL.Image.NEAREST、PIL.Image.BILINEAR、PIL.Image.BICUBIC
transforms.FiveCrop：在图像的四角和中心裁剪出指定尺寸的 5 张图片
- size：裁剪尺寸
transforms.TenCrop：在 FiveCrop 的基础上，并对这 5 张图片进行水平或者垂直翻转，共10张
- size：裁剪尺寸
- vertical_flip：是否进行垂直翻转，若为 False，进行水平翻转
翻转 Flip 和 旋转 Rotation
transforms.RandomRotation：随机旋转图片
- degrees：旋转角度，当为 a 时，在 (-a，a) 之间选择旋转角度，当为 (a，b) 时，在 (a，b) 之间选择旋转角度
- resample：重采样方法，默认 False
- expand：是否扩大图片，默认 False；旋转后图片size不变时，部门图片会丢失，此时可选择 扩大图片，以包含丢失图片
- center：以该点为中心进行旋转
transforms.RandomRotation(30, center=(0, 0), expand=True)
图像变换
transforms.Pad：对图像边缘进行填充
- padding：设置填充大小
// 当为整型 a 时，表示上下左右填充 a 个像素；
// 当为 (a，b) 时，代表上下填充 b，左右填充 a 个像素；
// 当为 (a，b，c，d) 时，代表 左上右下 填充 abcd 个像素 【顺时针】
- padding_mode：填充模式，共4种模式，包括 constant、edge、reflect、symmetric，默认取 constant 【具体含义见上文-裁剪部分】
- fill：当 constant 时，设置填充像素值 (R,G,G) or (Gray)
transforms.ColorJitter：调整亮度、对比度、饱和度、色相
- brightness：亮度调整因子；当为 a 时，从 [max(0，1-a)，1+a] 中随机选择，当为 (a，b) 时，从 [a，b] 中随机选择
- contrast：对比度参数，方法同 brightness
- saturation：饱和度参数，方法同 brightness
- hue：色相参数，色相取值 在 -0.5 到 0.5
// 当为 a 时，从 [-a，a] 中选择，注意 -0.5<a<0.5，当为 (a，b) 时，在[a，b] 中选择
transforms.Grayscale：转成灰度图
- num_output_channels：输出通道数，只能取 1 或者 3
transforms.RandomGrayscale：以一定概率转成灰度图
- num_output_channels：输出通道数，只能取 1 或者 3
- p：概率值，被灰度的概率，默认 0.1
transforms.RandomAffine：对图像进行仿射变换，仿射变换是二维的线性变换，由5种基本原子变换构成，包括旋转、平移、缩放、错切、翻转
- degrees：旋转角度，必选参数
- translate：平移，默认为 None
- scale：缩放，默认为 None
- shear：错切角度设置，有水平错切和垂直错切，默认为 None
// 若为 a，仅在 x 轴错切，错切角度在 (-a，a) 之间；
// 若为 (a，b)，则 a 代表 x 轴错切角度，b代表 y 轴错切角度；
// 若为 (a，b，c，d)，则 ab 设置 x 轴角度，cd 设置 y 轴角度；
- resample：重采样，有 nearest、bilinear、bicubic，默认 False
- fillcolor：填充像素，默认为 0
transforms.RandomErasing：对图像进行随机遮挡
- p：概率，执行遮挡操作的概率；
- scale：遮挡区域的面积；
- ratio：遮挡区域的长宽比；
- value：遮挡区域的像素值，(R,G,B) or (Gray)
- inplace：默认 False
transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3))
当 value 取字符串时，采用随机像素进行遮挡
匿名函数
transforms.Lambda：用户自定义图像处理的方法，如 CenterCrop
组合操作
transforms.RandomChoice：从多个 transforms 方法中随机选一个
transforms.RandomChoice([transforms1, transforms2, transform3])
transforms.RandomApply：依据概率执行一组 transforms 操作
transforms.RandomApply([transforms1, transforms2, transform3], p=0.5)
transforms.RandomOrder：对一组 transforms 操作进行乱序，乱序处理图片
transforms.RandomOrder([transforms1, transforms2, transform3])
transforms.Compose：顺序执行一系列 transforms 操作
transforms.Compose([transforms1, transforms2, transforms3])
自定义 transforms
transforms.Lambda 是自定义图像处理的方法，如 Resize；
自定义 transforms 是自定义 transforms 系列操作，如 RandomCompose；当然也可以是一个操作；
先看下 pytorch 的 Compose 方法的实现
class Compose(object): def __call__(self, img): for t in self.transforms: img = t(img) return img
类比实现自定义：处理椒盐噪声
椒盐噪声：又称脉冲噪声，是一种随机出现的白点或者黑点，白点称为盐噪声，黑点称为椒噪声
信噪比：Signal-Noise Rate，SNR，衡量噪声的比例，图像的信噪比是图像像素的占比
使用注意事项
1. 上述所有方法是一个类，参数都是初始化参数，然后都以对象的形式存在，使用时调用 __call__ 方法处理图片
2. 上述所有方法输入都是图像，输出也是图像
3. 输入网络前要转换成 Tensor
transforms.ToTensor()：将 PIL Image 转换成 Tensor 对象，会自动将 [0， 255] 归一化到 [0， 1]
transforms.Normalize：标准化，注意 只有 Tensor 才能标准化，img 不可以，故 Normalize 之前一般都有 ToTensor
方法总览
常规套路
train_transforms = torchvision.transforms.Compose([ torchvision.transforms.Resize(size=448), # Let smaller edge match torchvision.transforms.RandomHorizontalFlip(), torchvision.transforms.RandomCrop(size=448), torchvision.transforms.ToTensor(), torchvision.transforms.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)) ]) test_transforms = torchvision.transforms.Compose([ torchvision.transforms.Resize(size=448), torchvision.transforms.CenterCrop(size=448), torchvision.transforms.ToTensor(), torchvision.transforms.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)) ])
图像增强的原则
使得训练集尽可能接近测试集
例如，我们要区分第四套人民币的 1 元 和 100 元，很容易得到准确率很高的网络；
那么该网络是否能识别第五套人民币的 100 元，测试结果是基本上都是别成了 1 元，因为颜色很像；
假如我们把训练数据进行灰度处理，去掉颜色的影响，重新训练的模型也能准确预测 第五套人民币的 100 元
