torchvision 之 transforms 简单使用

原创已于 2023-04-20 11:34:08 修改 · 339 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能

于 2023-04-20 11:29:29 首次发布

pytorch 同时被 2 个专栏收录

2 篇文章

订阅专栏

torchvision

1 篇文章

订阅专栏

torchvision.transforms提供了图像转换工具，如ToTensor()用于PILImage或ndarray到张量的转换，并进行归一化。PILToTensor()不执行归一化，而ToPILImage()则将张量或ndarray转回Image。Compose用于组合多个转换操作，方便构建复杂的图像预处理流程。

torchvision.transforms是一个图像转换工具包，不同的图像转换组件可以通过Compose来连接从而形成一个流水线（类似于torch.nn.Sequential），以实现更复杂的图像转换功能。

Image\Tensor\ndarray 之间的相互转换

绝大多数转换都同时支持 PIL 的Image对象和张量图像。当然也可以使用ToTensor()、ToPILImage()等工具实现 PIL 对象和张量图像之间的相互转换。

还支持批量地转换张量图像。一般batch图像是一个具有(B, C, H, W)尺寸地张量，其中 B 代表每个 batch 中地图像个数。

ToTensor()

ToTensor()可以将一个PIL Image或一个具有(H, W, C)尺寸且数值范围在[0， 255]之间的ndarray转换成一个形状为(C, H, W)且数值范围在[0, 1]之间的浮点型张量。

转换的前提条件：对于 PIL Image，图像模式必须为(L, LA, P, I, F. RGB, YCbCr, RGBA, CMYL, 1)中的一种，对于ndarray，它的数据类型必须为np.uint8。

事实上，ToTensor 中的归一化操作均是通过除以数组中的最大元进行实现的。PIL Image 和 ndarray 转化成 Tensor 后内容的顺序不一致。PIL Image 转化成 Tensor 后，排列格式为 [R, G, B]，即 img[0] 代表 R 通道；而 opencv ndarray 转化成 Tensor 后，排列格式为 [B, G, R]。

import cv2
import torchvision
from PIL import Image

imgcv = cv2.imread('/path/to/fig') # shape: H W C uint8 [0-255] B G R
image = Image.open('/path/to/fig')

totenor = torchvision.transform.ToTensor()

imgcv_tensor = totensor(imgcv) # shape: C H W torch.float32 [0-1] B G R
image_tensor = totensor(image) # shape: C H W torch.float32 [0-1] R G B

PILToTensor()

不进行归于化的 Image to Tensor

import torchvision
from PIL import Image

img = Image.open('/path/to/img')

totensor = torchvision.transform.PILToTensor()

tensor = totensor(img) # shape: C H W torch.uint8 [0-255]

ToPILImage()

将 Tensor 或 ndarray 转为 Image.
其中 Tensor 要求形状为 (C, H, W)，ndarray 要求形状为 (H, W, C)

import torchvision
import cv2
from PIL import Image

imgcv = cv2.imread('/path/to/img') # B G R
imgcv = imgcv[:, :, -1::-1]

totensor = torchvision.transform.ToTensor()

tensor = totensor(imgcv.copy())

topilimage = torchvision.transforms.ToPILImage()

image1 = topilimage(imgcv)

image2 = topilimage(tensor)

Compose

很多时候，我们需要对大量的图片完成一系列的图像转换操作，这时候我们就能用 Compose() 将这些操作组合成一道流水线，以简化我们的代码。

trans_pipeline = transforms.Compose([
    transforms.RandomHorizontalFlip(1.0),
    transforms.Resize((300, 300)),
    transforms.ToTensor(),
])

img = Image.open('./pics/1.jpg')
img = trans_pipeline(img)

# 按需自定义Compose, 当然Compose_imglabel里的transforms也需做出自己的定义
class Compose_imglabel(object):
    def __init__(self, transforms):
        self.transforms = transforms

    def __call__(self, img, label):
        for t in self.transforms:
            img, label = t(img, label)
        return img, label