[人工智能]PyTorch学习—7.数据预处理模块—transforms

一、数据预处理transforms模块机制

??torchvision.transforms模块包含了很多图像预处理方法：

• 数据中心化
• 数据标准化
• 缩放
• 裁剪
• 旋转
• 翻转
• 填充
• 噪声添加
• 灰度变换
• 线性变换
• 仿射变换
• 亮度、饱和度及对比度变换

这个模块可以进行数据增强与数据预处理，增强模型的泛化能力。数据预处理transforms在数据读取过程中，最后生成数据预处理完的batch data。

class RMBDataset(Dataset):
    def __init__(self, data_dir, transform=None):
        """
        rmb面额分类任务的Dataset
        :param data_dir: str, 数据集所在路径
        :param transform: torch.transform，数据预处理
        """
        self.label_name = {"1": 0, "100": 1}
        self.data_info = self.get_img_info(data_dir)  # data_info存储所有图片路径和标签，在DataLoader中通过index读取样本
        self.transform = transform

    def __getitem__(self, index):
        path_img, label = self.data_info[index]
        img = Image.open(path_img).convert('RGB')     # 0~255
		
		# 在数据读取的这个节点开始调用transform，迭代使用多种tansform方法
        if self.transform is not None:
            img = self.transform(img)   # 在这里做transform，转为tensor等等

        return img, label

    def __len__(self):
        return len(self.data_info)

    @staticmethod
    def get_img_info(data_dir):
        data_info = list()
        for root, dirs, _ in os.walk(data_dir):
            # 遍历类别
            for sub_dir in dirs:
                img_names = os.listdir(os.path.join(root, sub_dir))
                img_names = list(filter(lambda x: x.endswith('.jpg'), img_names))

                # 遍历图片
                for i in range(len(img_names)):
                    img_name = img_names[i]
                    path_img = os.path.join(root, sub_dir, img_name)
                    label = rmb_label[sub_dir]
                    data_info.append((path_img, int(label)))

        return data_info

二、二十二种transforms数据预处理方法

2.裁剪

??transforms.CenterCrop
功能:从图像中心裁剪图片

• size:所需裁剪图片尺寸

??transforms.RandomCrop

transforms.RandomCrop(size,
	padding=None,
	pad_if_needed=False,fill=6,
	padding_mode= 'constant ' )

功能:从图片中随机裁剪出尺寸为size的图片

• size:所需裁剪图片尺寸
• padding:设置填充大小
  当为a时，上下左右均填充a个像素
  当为(a, b)时,上下填充b个像素,左右填充a个像素
  当为(a，b，c，d)时，左，上，右，下分别填充a， b，c， d
• pad_if_need:若图像小于设定size，则填充
• padding_mode:填充模式,有4种模式
  1、constant:像素值由filI设定
  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，eg:[1,2,3.4] →[3,2,1,2,3,4,3,2]
  4、symmetric:镜像填充，最后一个像素镜像，eg:[1,2,3,4]→[2,1,1,2,3,4,4,3].
• fill: constant时,设置填充的像素值

??transforms.RandomResizedCrop

RandomResizedCrop(size,
	scale=(0.08,1.0),
	ratio=(3/4，4/3),interpolation)

功能:随机大小、长宽比裁剪图片

• size:所需裁剪图片尺寸
• 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.lmage.NEAREST
  PIL.lmage.BILINEAR
  PIL.lmage.BICUBIC

??transforms.FiveCrop

transforms .FiveCrop(size)

功能:在图像的上下左右以及中心裁剪出尺寸为size的5张图片

# 将tuple格式转换为Tensor格式
transforms.FiveCrop(112),
transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops]))

??transforms.TenCrop
功能:TenCrop对这5张图片进行水平或者垂直镜像获得10张图片

• size :所需裁剪图片尺寸
• vertical_flip :是否垂直翻转

transforms.TenCrop(112, vertical_flip=False),
transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops]))

3. 翻转与旋转

??transforms.RandomHorizontalFlip

transforms.RandomHorizontalFlip(p=0.5)

功能：依概率水平（左右）翻转图片

• p:翻转概率

??transforms.RandomVerticalFlip

transforms.RandomVerticalFlip(p=0.5)

功能：依概率垂直（上下）翻转图片

• p:翻转概率

??transforms.RandomRotation

RandomRotation(degrees,
	resample=False,expand=False,
	center=None)

功能: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
• expand :是否扩大图片，以保持原图信息

4.图像变换

??transforms.Pad

transforms.Pad(padding,
	fill=0,
	padding_mode= ' constant ' )

功能:对图片边缘进行填充

• padding:设置填充大小
  当为a时，上下左右均填充a个像素
  当为(a, b)时，上下填充b个像素，左右填充a个像素
  当为(a，b，c，d)时，左，上，右，下分别填充a，b，c，d
• padding_mode:填充模式，有4种模式，
  constant、edge、reflect和symmetric
• fill:constant时，设置填充的像素值，(R，G,B)or(Gray)

??transforms.colorjitter

transforms.colorJitter(brightness=0,
	contrast=0,
	saturation=0,
	hue=0)

功能:调整亮度、对比度、饱和度和色相

• 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，同brightness
• saturation:饱和度参数，同brightness
• hue:色相参数，
  当为a时，从[-a，a]中选择参数，
  注:0<= a <= 0.5
  当为(a，b)时:,从[a，b]中选择参数
  注：-0.5<=a<=b<=0.5

??transforms.Grayscale

Grayscale(num_output_channels)

功能：将图片转换为灰度图

• num_ouput_channels:输出通道数 只能设1或3

??transforms.RandomGrayscale
功能：依概率将图片转换为灰度图

• num_ouput_channels:输出通道数 只能设1或3
• p︰概率值，图像被转换为灰度图的概率

??transforms.RandomAffine

transforms.RandomAffine(degrees,
	translate=None,scale=None,
	shear=None ,resample=False,fillcolor=)

功能:对图像进行仿射变换，仿射变换是二维的线性变换，由五种基本原子变换构成，分别是旋转、平移、缩放、错切和翻转

• degrees:旋转角度设置
• translate:平移区间设置
  如(a，b)，a设置宽(width)，b设置高(height)图像在宽维度平移的区间为
  -img_width * a < dx < img_width * a
• scale:缩放比例(以面积为单位)
• fill_color:填充颜色设置
• shear:错切角度设置,有水平错切和垂直错切
  若为a，则仅在x轴错切，错切角度在(-a, a)之间
  若为(a, b)，则a设置x轴角度，b设置y的角度
  若为(a, b,c,d)，则a, b设置x轴角度，c，d设置y轴角度
• resample:重采样方式，有NEAREST 、BILINEAR、BICUBIC

??transforms.RandomErasing

transforms.RandomErasing(p=0.5,
	scale=(0.02,0.33),
	ratio=(0.3,3.3),value=0,
	inplace=False)

功能:对图像进行随机遮挡

• p:概率值，执行该操作的概率
• scale:遮挡区域的面积
• ratio:遮挡区域长宽比
• value:设置遮挡区域的像素值，(R，G，B) or (Gray)

??transforms.Lambda(lambd)
功能:用户自定义lambda方法

• lambd : lambda匿名函数
  lambda [arg1 [,arg2, … , argn]] : expression

eg:

transforms. Lambda(lambda crops: torch.stack([transforms. Totensor()(crop) for crop in crops]))

5.transforms方法的选择操作

??transforms.RandomChoice
功能:从一系列transforms方法中随机挑选一个

transforms. RandomChoice([transforms1，transforms2，transforms3])

??transforms.RandomApply
功能:依据概率执行一组transforms操作

transforms.RandomApply([transforms1，transforms2，transforms3], p=0.5)

??transforms.RandomOrder
功能:对一组transforms操作打乱顺序

transforms. Randomorder([transforms1，transforms2，transforms3])

??transforms.Resize
功能：调整图片的大小
??transforms.Totensor
功能：将之前的数据结构转换为张量
??transforms.Normalize

transforms.Normalize(mean,
	std,
	inplace=False)

功能:逐channel的对图像进行标准化(变换后的数据均值为0，标准差为1)，标准化的优点是加快模型的收敛。
$$output=(input?mean)/std$$

• mean :各通道的均值
• std:各通道的标准差
• inplace :是否原地操作

源码如下：

def normalize(tensor, mean, std, inplace=False):
    """Normalize a tensor image with mean and standard deviation.

    .. note::
        This transform acts out of place by default, i.e., it does not mutates the input tensor.

    See :class:`~torchvision.transforms.Normalize` for more details.

    Args:
        tensor (Tensor): Tensor image of size (C, H, W) to be normalized.
        mean (sequence): Sequence of means for each channel.
        std (sequence): Sequence of standard deviations for each channel.
        inplace(bool,optional): Bool to make this operation inplace.

    Returns:
        Tensor: Normalized Tensor image.
    """
    # 输入的合法性判断-是否为Tensor
    if not _is_tensor_image(tensor):
        raise TypeError('tensor is not a torch image.')
	
	# 是否原地操作，如果不是原地操作，需要将张量克隆一份
    if not inplace:
        tensor = tensor.clone()
	
    dtype = tensor.dtype
    # 将均值与方差转化为张量
    mean = torch.as_tensor(mean, dtype=dtype, device=tensor.device)
    std = torch.as_tensor(std, dtype=dtype, device=tensor.device)
    # sub_:下划线表示原地操作；(input - mean) / std
    tensor.sub_(mean[:, None, None]).div_(std[:, None, None])
    # 返回变换后的张量
    return tensor

6.自定义transfroms方法

??transforms方法是在Compose类中通过__call__方法调用的。

class Compose(object):
    """Composes several transforms together.

    Args:
        transforms (list of ``Transform`` objects): list of transforms to compose.

    Example:
        >>> transforms.Compose([
        >>>     transforms.CenterCrop(10),
        >>>     transforms.ToTensor(),
        >>> ])
    """

    def __init__(self, transforms):
        self.transforms = transforms

    def __call__(self, img):
    	# 循环执行transforms方法
        for t in self.transforms:
            img = t(img)
        return img

    def __repr__(self):
        format_string = self.__class__.__name__ + '('
        for t in self.transforms:
            format_string += '\n'
            format_string += '    {0}'.format(t)
        format_string += '\n)'
        return format_string

我们可以发现调用transforms时有如下特点:

1. 仅接收一个参数，返回一个参数
2. 注意上下游的输出与输入

??下面我们自定义transforms，它的基本结构为：

class YourTransforms(object) :
	def __init_(self, ...):
		...
	def __cal1__(self, img):
		...
		return img

??椒盐噪声又称为脉冲噪声，是一种随机出现的白点或者黑点，白点称为盐噪声，黑色为椒噪声。信噪比(Signal-Noise Rate，SNR）是衡量噪声的比例，图像中为图像像素的占比。我们以椒盐噪声为例来自定义transforms方法。

class AddPepperNoise(object):
    """增加椒盐噪声
    Args:
        snr （float）: Signal Noise Rate
        p (float): 概率值，依概率执行该操作
    """

    def __init__(self, snr, p=0.9):
        assert isinstance(snr, float) and (isinstance(p, float))    # 2020 07 26 or --> and
        # 信号百分比
        self.snr = snr
        # 概率
        self.p = p

    def __call__(self, img):
        """
        Args:
            img (PIL Image): PIL Image
        Returns:
            PIL Image: PIL image.
        """
        # 概率的判断
        if random.uniform(0, 1) < self.p:
            # 数据格式转换到ndarray
            img_ = np.array(img).copy()
            # 高，宽，通道数
            h, w, c = img_.shape
            # 获取信号百分比
            signal_pct = self.snr
            # 噪声百分比
            noise_pct = (1 - self.snr)
            # 依概率选取3个mask
            mask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.])
            mask = np.repeat(mask, c, axis=2)
            img_[mask == 1] = 255   # 盐噪声
            img_[mask == 2] = 0     # 椒噪声
            return Image.fromarray(img_.astype('uint8')).convert('RGB')
        else:
            return img

如果对您有帮助，麻烦点赞关注，这真的对我很重要！！！如果需要互关，请评论或者私信！