基于 transforms图片数据预数据增强做图像二分类实战 附完整代码+数据

# Transform 图片数据预处理方法 这篇主要分为几个部分介绍 transforms: - 裁剪 - 旋转和翻转 - 图像变换 - transforms 方法操作 - 自定义 transforms 方法 最后是数据增强的实战：对人民币二分类实验进行数增强。 由于图片经过 transform 操作之后是 tensor，像素值在 0~1 之间，并且标准差和方差不是正常图片的。所以定义了 `transform_invert()` 方法。功能是对 tensor 进行反标准化操作，并且把 tensor 转换为 image，方便可视化。 我们主要修改的是 `transforms.Compose` 代码块中的内容，其中 `transforms.Resize((224, 224))` 是把图片缩放到 (224, 224) 大小 (下面的所有操作都是基于缩放之后的图片进行的)，然后再进行其他 transform 操作。 原图如下：  经过缩放之后，图片如下：  \# 裁剪 ## transforms.CenterCrop ``` torchvision.transforms.CenterCrop(size) ``` 功能：从图像中心裁剪图片 - size: 所需裁剪的图片尺寸 `transforms.CenterCrop(196)` 的效果如下：  如果裁剪的 size 比原图大，那么会填充值为 0 的像素。`transforms.CenterCrop(512)` 的效果如下：  \## transforms.RandomCrop ``` torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant') ``` 功能：从图片中随机裁剪出尺寸为 size 的图片，如果有 padding，那么先进行 padding，再随机裁剪 size 大小的图片。 - size: - 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，左右填充 a 个像素，上下填充 b 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: 当图片小于设置的 size，是否填充 - padding_mode: - constant: 像素值由 fill 设定 - edge: 像素值由图像边缘像素设定 - reflect: 镜像填充，最后一个像素不镜像。([1,2,3,4] -> [3,2,1,2,3,4,3,2]) - symmetric: 镜像填充，最后一个像素也镜像。([1,2,3,4] -> [2,1,1,2,3,4,4,4,3]) - fill: 当 padding_mode 为 constant 时，设置填充的像素值 `transforms.RandomCrop(224, padding=16)` 的效果如下，这里的 padding 为 16，所以会先在 4 边进行 16 的 padding，默认填充 0，然后随机裁剪出 (224,224) 大小的图片，这里裁剪了左上角的区域。  `transforms.RandomCrop(224, padding=(16, 64))` 的效果如下，首先在左右进行 16 的 padding，上下进行 64 的 padding，然后随机裁剪出 (224,224) 大小的图片。  `transforms.RandomCrop(224, padding=16, fill=(255, 0, 0))` 的效果如下，首先在上下左右进行 16 的 padding，填充值为 (255, 0, 0)，然后随机裁剪出 (224,224) 大小的图片。  `transforms.RandomCrop(512, pad_if_needed=True)` 的效果如下，设置 `pad_if_needed=True`，图片小于设置的 size，用 (0,0,0) 填充。  `transforms.RandomCrop(224, padding=64, padding_mode='edge')` 的效果如下，首先在上下左右进行 64 的 padding，使用边缘像素填充，然后随机裁剪出 (224,224) 大小的图片。  `transforms.RandomCrop(224, padding=64, padding_mode='reflect')` 的效果如下，首先在上下左右进行 64 的 padding，使用镜像填充，然后随机裁剪出 (224,224) 大小的图片。  `transforms.RandomCrop(1024, padding=1024, padding_mode='symmetric')` 的效果如下，首先在上下左右进行 1024 的 padding，使用镜像填充，然后随机裁剪出 (1024， 1024) 大小的图片。  \## transforms.RandomResizedCrop ``` torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2) ``` 功能：随机大小、随机宽高比裁剪图片。首先根据 scale 的比例裁剪原图，然后根据 ratio 的长宽比再裁剪，最后使用插值法把图片变换为 size 大小。 - size: 裁剪的图片尺寸 - scale: 随机缩放面积比例，默认随机选取 (0.08, 1) 之间的一个数 - ratio: 随机长宽比，默认随机选取 ($\displaystyle\frac{3}{4}$, $\displaystyle\frac{4}{3}$ ) 之间的一个数。因为超过这个比例会有明显的失真 - interpolation: 当裁剪出来的图片小于 size 时，就要使用插值方法 resize - PIL.Image.NEAREST - PIL.Image.BILINEAR - PIL.Image.BICUBIC `transforms.RandomResizedCrop(size=224, scale=(0.08, 1))` 的效果如下，首先随机选择 (0.08, 1) 中 的一个比例缩放，然后随机裁剪出 (224， 224) 大小的图片。  `transforms.RandomResizedCrop(size=224, scale=(0.5, 0.5))` 的效果如下，首先缩放 0.5 倍，然后随机裁剪出 (224， 224) 大小的图片。  \## transforms.FiveCrop(TenCrop) ``` torchvision.transforms.FiveCrop(size) torchvision.transforms.TenCrop(size, vertical_flip=False) ``` 功能：`FiveCrop` 在图像的上下左右以及中心裁剪出尺寸为 size 的 5 张图片。`Tencrop` 对这 5 张图片进行水平或者垂直镜像获得 10 张图片。 - size: 最后裁剪的图片尺寸 - vertical_flip: 是否垂直翻转 由于这两个方法返回的是 tuple，每个元素表示一个图片，我们还需要把这个 tuple 转换为一张图片的 `tensor`。代码如下： ``` transforms.FiveCrop(112), transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])) ``` 并且把 `transforms.Compose` 中最后两行注释： ``` # transforms.ToTensor(), # toTensor()接收的参数是 Image，由于上面已经进行了 toTensor(), 因此这里注释 # transforms.Normalize(norm_mean, norm_std), # 由于是 4 维的 Tensor，因此不能执行 Normalize() 方法 ``` - `transforms.toTensor()` 接收的参数是 Image，由于上面已经进行了 `toTensor()`。因此注释这一行。 - `transforms.Normalize()` 方法接收的是 3 维的 tensor (在 `_is_tensor_image()` 方法 里检查是否满足这一条件，不满足则报错)，而经过 `transforms.FiveCrop` 返回的是 4 维张量，因此注释这一行。 最后的 tensor 形状是 [ncrops, c, h, w]，图片可视化的代码也需要做修改： ``` ## 展示 FiveCrop 和 TenCrop 的图片 ncrops, c, h, w = img_tensor.shape columns=2 # 两列 rows= math.ceil(ncrops/2) # 计算多少行 # 把每个 tensor ([c,h,w]) 转换为 image for i in range(ncrops): img = transform_invert(img_tensor[i], train_transform) plt.subplot(rows, columns, i+1) plt.imshow(img) plt.show() ``` 5 张图片分别是左上角，右上角，左下角，右下角，中心。图片如下： ![](https://www.writebug.com/myres/static/uploads/2021/10/25/382a853f1366f78c6532fcdec556