# torchvision.transforms # pytorch torchvision transform ## 對PIL.Image進行變換 ### class torchvision.transforms.Compose(transforms) 將多個`transform`組合起來使用。 `transforms`： 由`transform`構成的列表. 例子： ``` transforms.Compose([ transforms.CenterCrop(10), transforms.ToTensor(), ]) ``` ### class torchvision.transforms.Scale(size, interpolation=2) 將輸入的`PIL.Image`重新改變大小成給定的`size`，`size`是最小邊的邊長。舉個例子，如果原圖的`height>width`,那么改變大小后的圖片大小是`(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) 將給定的`PIL.Image`進行中心切割，得到給定的`size`，`size`可以是`tuple`，`(target_height, target_width)`。`size`也可以是一個`Integer`，在這種情況下，切出來的圖片的形狀是正方形。 ### class torchvision.transforms.RandomCrop(size, padding=0) 切割中心點的位置隨機選取。`size`可以是`tuple`也可以是`Integer`。 ### class torchvision.transforms.RandomHorizontalFlip 隨機水平翻轉給定的`PIL.Image`,概率為`0.5`。即：一半的概率翻轉，一半的概率不翻轉。 ### class torchvision.transforms.RandomSizedCrop(size, interpolation=2) 先將給定的`PIL.Image`隨機切，然后再`resize`成給定的`size`大小。 ### class torchvision.transforms.Pad(padding, fill=0) 將給定的`PIL.Image`的所有邊用給定的`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個像素，所以填充后的size是(30,30) ``` ## 對Tensor進行變換 ### class torchvision.transforms.Normalize(mean, std) 給定均值：`(R,G,B)` 方差：`（R，G，B）`，將會把`Tensor`正則化。即：`Normalized_image=(image-mean)/std`。 ## Conversion Transforms ### class torchvision.transforms.ToTensor 把一個取值范圍是`[0,255]`的`PIL.Image`或者`shape`為`(H,W,C)`的`numpy.ndarray`，轉換成形狀為`[C,H,W]`，取值范圍是`[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) # 轉換成tensor print(img_tensor) ``` ### class torchvision.transforms.ToPILImage 將`shape`為`(C,H,W)`的`Tensor`或`shape`為`(H,W,C)`的`numpy.ndarray`轉換成`PIL.Image`，值不變。 ## 通用變換 ### class torchvision.transforms.Lambda(lambd) 使用`lambd`作為轉換器。