Pytorch Torchvision Transform

Torchvision.Transforms

Transforms包含常用图像转换操作。可以使用Compose将它们链接在一起。 此外，还有torchvision.transforms.functional模块，可以对转换进行细粒度控制。 如果需要构建更复杂的图像转换方式，这将很有用。

class torchvision.transforms.Compose(transforms)

Example:

transforms.Compose([
     transforms.CenterCrop(10),
     transforms.ToTensor(),
 ])

Transforms on PIL Image

CenterCrop

class torchvision.transforms.CenterCrop(size)

将给定的PIL.Image进行中心切割，得到给定的size，size可以是tuple，(target_height, target_width)。size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形。

RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

切割中心点的位置随机选取。size可以是tuple也可以是Integer。

RandomResizedCrop

class torchvision.transforms.RandomResizedCrop(size, 
	  scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)

将给定图像裁剪为随机大小和宽高比。裁剪为原始尺寸的随机尺寸（默认值：0.08至1.0）和原始宽高比的随机纵横比（默认值：3/4至4/3）。 最终将其crop为给定大小。 这通常用于训练Inception网络。

Resize

class torchvision.transforms.Resize(size, interpolation=2)

将输入图像调整为给定尺寸。 该图像可以是PIL图像或pytorch张量，在这种情况下，它应具有[…，H，W]形状，其中…表示任意数量的前导尺寸

对Tensor进行变换

class torchvision.transforms.Normalize(mean, std)

给定均值：(R,G,B)，方差：（R，G，B），将会把Tensor正则化。即：Normalized_image=(image-mean)/std。

ToTensor

class torchvision.transforms.ToTensor

把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor

ToPILImage

class torchvision.transforms.ToPILImage

将shape为(C,H,W)的Tensor或shape为(H,W,C)的numpy.ndarray转换成PIL.Image，值不变。

Lambda(lambd)

class torchvision.transforms.Lambda(lambd)

通过Lambda构建匿名函数，进行图像转换。