1. torchvision.transforms.ToTensor

将PIL Image或ndarray转换为张量并相应缩放值。

官方文档：torchvision.transforms.ToTensor
CLASS torchvision.transforms.ToTensor

• 将PIL Image或ndarray转换为张量并相应缩放值
• 此转换不支持torchscript
• 如果PIL Image属于其中一种模式（L、LA、P、I、F、RGB、YCbCr、RGBA、CMYK、1）或numpy. ndarray的dtype = np.uint8，则将范围[0，255]的PIL Image或numpy.ndarray（H x W x C）转换为范围[0.0，1.0]的形状（C x H x W）的火炬.FloatTensor
• 在其他情况下，张量在不缩放的情况下返回。

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")
img = Image.open("image/刻晴.jpg")

# ToTensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)
writer.add_image("ToTensor", img_tensor, 0)

writer.close()

2. torchvision.transforms.Resize

将输入图像的大小调整为给定大小。
如果图像是torch tensor，则预期其具有[…，H，W]形状，其中…表示任意数量的前导维度。

官方文档：torchvision.transforms.Resize
CLASS torchvision.transforms.Resize(size, interpolation=InterpolationMode.BILINEAR, max_size=None, antialias='warn')
主要参数：

• size（sequence or int）：所需的输出大小。
  • 如果size是一个类似（h，w）的序列，则输出size将与此匹配。
  • 如果size是一个整数，图像的较小边缘将与此数字匹配。即，如果高度>宽度，则图像将被重新缩放为（尺寸 * 高度/宽度，尺寸）。
• interpolation（InterpolationMode）：所需插值枚举。
• max_size（int，可选）：调整大小后的图像的最大长边，如果在根据 size 调整大小之后图像的较长边缘大于 max_size ，则再次调整图像的大小，使得较长边缘等于 max_size 。
• antialias（bool，optional）：是否应用抗锯齿。它只影响具有双线性或双三次模式的张量，否则将被忽略。在PIL图像上，抗锯齿始终应用于双线性或双三次模式;在其他模式下（对于PIL图像和张量），抗锯齿没有意义，并且忽略此参数。（当前默认值为 None ）可能的值为：
  • True ：将为双线性或双三次模式应用抗锯齿。其他模式不受影响。这可能是你想要使用的。
  • False ：在任何模式下都不会对张量应用抗锯齿。PIL图像在双线性或双三次模式下仍然是抗锯齿的，因为PIL不支持抗锯齿。
  • None ：相当于张量的 False 和PIL图像的 True 。这个值的存在是由于遗留的原因，除非您真正知道自己在做什么，否则您可能不想使用它。

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")
img = Image.open("image/刻晴.jpg")

# ToTensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)

# Resize
trans_resize = transforms.Resize((512, 512))
# img PIL -> resize -> img_resize PIL
img_resize = trans_resize(img)
# img_resize PIL -> totensor -> img_resize tensor
img_resize = trans_totensor(img_resize)
writer.add_image("Resize", img_resize, 2)
print(img_resize)

writer.close()

3. torchvision.transforms.Compose

将多个变换组合在一起。

官方文档： torchvision.transforms.Compose
CLASS torchvision.transforms.Compose(transforms)

• transforms（list of Transform objects）-要组合的变换列表

代码实现

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")
img = Image.open("image/刻晴.jpg")

# ToTensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)

# Compose - resize - 2
trans_resize_2 = transforms.Resize(512)
# PIL -> PIL -> tensor
trans_compose = transforms.Compose([trans_resize_2, trans_totensor])
img_resize_2 = trans_compose(img)
writer.add_image("Compose", img_resize_2, 3)

writer.close()

4. torchvision.transforms.Normalize

使用均值和标准差归一化张量图像。此转换不支持PIL图像。
给定平均值： (mean[1],…,mean[n]) 和标准值： (std[1],…,std[n]) 对于 n 通道，该变换将归一化输入 torch.*Tensor 的每个通道，即， output[channel] = (input[channel] - mean[channel]) / std[channel]

官方文档：torchvision.transforms.Normalize
CLASS torchvision.transforms.Normalize(mean, std, inplace=False)
主要参数：

• mean（sequence）：每个通道的均值序列。
• std（sequence）：每个通道的标准偏差序列。
• inplace（booloptional）：使用Bool使此操作就地执行。

代码实现

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")
img = Image.open("image/刻晴.jpg")

# ToTensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)

# Normalize
print(img_tensor[0][0][0])
trans_norm = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
img_norm = trans_norm(img_tensor)
print(img_norm[0][0][0])
writer.add_image("Normalize", img_norm, 1)

writer.close()

5. torchvision.transforms.RandomCrop

在随机位置裁剪给定的图像。
如果图像是torch tensor，则预计具有[…，H，W]形状，其中…表示任意数量的前导维度，但如果使用非恒定填充，则预计输入最多具有2个前导维度。

官方文档：torchvision.transforms.RandomCrop
CLASS torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')
主要参数：

• size (sequence or int)：裁剪的所需输出大小。
  • 如果size是一个int而不是像（h，w）这样的序列，则会进行方形裁剪（size，size）
  • 如果提供长度为1的序列，则将其解释为（size[0]，size[0]）
• padding(int or sequence, optional) ：可选填充图像的每个边框。默认值为“无”。
  • 如果只提供一个int，则用于填充所有边框。
  • 如果提供长度为2的序列，则这分别是左/右和顶/底上的填充。
  • 如果提供长度为4的序列，则这分别是用于左、上、右和下边界的填充。
• pad_if_needed (boolean) ：如果图像小于所需的大小，它将填充图像，以避免引发异常。由于裁剪是在填充之后完成的，因此填充似乎是在随机偏移处完成的。
• fill (number or tuple)：常量填充的像素填充值。默认值为0。
  • 如果是长度为3的元组，则分别用于填充R、G、B通道。
  • 此值仅在padding_mode为常量时使用。
  • torch张量仅支持数字。PIL图像仅支持int或tuple值。
• padding_mode (str) ：填充类型。应为：恒定、边缘、反射或对称。默认值为常量。
  • constant：填充一个常量值，这个值是用fill指定的
  • edge：填充图像边缘的最后一个值。如果输入一个5D火炬张量，最后3个维度将被填充，而不是最后2个维度
  • reflect：填充图像的反射，而不重复边缘上的最后一个值。例如，在反射模式下，在两侧使用2个元素填充[1，2，3，4]将导致[3，2，1，2，3，4，3，2]
  • 对称：图像反射的焊盘重复边缘上的最后一个值。例如，在对称模式下，在两侧用2个元素填充[1，2，3，4]将导致[2，1，1，2，3，4，4，3]

代码实现

from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms

writer = SummaryWriter("logs")
img = Image.open("image/刻晴.jpg")

# ToTensor
trans_totensor = transforms.ToTensor()
img_tensor = trans_totensor(img)

# RandomCrop
trans_random = transforms.RandomCrop(512)
trans_compose_2 = transforms.Compose([trans_random, trans_totensor])
for i in range(10):
    img_crop = trans_compose_2(img)
    writer.add_image("RandomCrop", img_crop, i)

writer.close()