# torchvision.transforms # pytorch torchvision transform ## 对PIL.Image进行变换 ### class torchvision.transforms.Compose(transforms) 将多个`transform`组合起来使用。 `transforms`： 由`transform`构成的列表. 例子： ``` transforms.Compose([ transforms.CenterCrop(10), transforms.ToTensor(), ]) ``` ### class torchvision.transforms.Scale(size, interpolation=2) 将输入的`PIL.Image`重新改变大小成给定的`size`，`size`是最小边的边长。举个例子，如果原图的`height>width`,那么改变大小后的图片大小是`(size*height/width, size)`。 **用例:** ``` from torchvision import transforms from PIL import Image crop = transforms.Scale(12) img = Image.open('test.jpg') print(type(img)) print(img.size) croped_img=crop(img) print(type(croped_img)) print(croped_img.size) ``` ``` <class 'PIL.PngImagePlugin.PngImageFile'> (10, 10) <class 'PIL.Image.Image'> (12, 12) ``` ### class torchvision.transforms.CenterCrop(size) 将给定的`PIL.Image`进行中心切割，得到给定的`size`，`size`可以是`tuple`，`(target_height, target_width)`。`size`也可以是一个`Integer`，在这种情况下，切出来的图片的形状是正方形。 ### class torchvision.transforms.RandomCrop(size, padding=0) 切割中心点的位置随机选取。`size`可以是`tuple`也可以是`Integer`。 ### class torchvision.transforms.RandomHorizontalFlip 随机水平翻转给定的`PIL.Image`,概率为`0.5`。即：一半的概率翻转，一半的概率不翻转。 ### class torchvision.transforms.RandomSizedCrop(size, interpolation=2) 先将给定的`PIL.Image`随机切，然后再`resize`成给定的`size`大小。 ### class torchvision.transforms.Pad(padding, fill=0) 将给定的`PIL.Image`的所有边用给定的`pad value`填充。 `padding：`要填充多少像素 `fill：`用什么值填充 例子： ``` from torchvision import transforms from PIL import Image padding_img = transforms.Pad(padding=10, fill=0) img = Image.open('test.jpg') print(type(img)) print(img.size) padded_img=padding(img) print(type(padded_img)) print(padded_img.size) ``` ``` <class 'PIL.PngImagePlugin.PngImageFile'> (10, 10) <class 'PIL.Image.Image'> (30, 30) #由于上下左右都要填充10个像素，所以填充后的size是(30,30) ``` ## 对Tensor进行变换 ### class torchvision.transforms.Normalize(mean, std) 给定均值：`(R,G,B)` 方差：`（R，G，B）`，将会把`Tensor`正则化。即：`Normalized_image=(image-mean)/std`。 ## Conversion Transforms ### class torchvision.transforms.ToTensor 把一个取值范围是`[0,255]`的`PIL.Image`或者`shape`为`(H,W,C)`的`numpy.ndarray`，转换成形状为`[C,H,W]`，取值范围是`[0,1.0]`的`torch.FloadTensor` ``` data = np.random.randint(0, 255, size=300) img = data.reshape(10,10,3) print(img.shape) img_tensor = transforms.ToTensor()(img) # 转换成tensor print(img_tensor) ``` ### class torchvision.transforms.ToPILImage 将`shape`为`(C,H,W)`的`Tensor`或`shape`为`(H,W,C)`的`numpy.ndarray`转换成`PIL.Image`，值不变。 ## 通用变换 ### class torchvision.transforms.Lambda(lambd) 使用`lambd`作为转换器。