附录

附录

本部分对torchvision中自带图像预处理方法进行了分类总结和介绍，主要涉及裁剪、反转和旋转、其他图像变换等19种方法：

官方torchvision.transforms讲解

1.裁剪

（1）中心裁剪：transforms.CenterCrop

CLASS torchvision.transforms.CenterCrop(size)

根据给定的size从从中心进行裁剪
​

参数：

size(sequence or int) - 裁剪后的输出尺寸。若为sequence，表示(h, w)；若为int，表示(size, size)。

（2）随机裁剪：transforms.RandomCrop

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

根据给定的size在随机点进行裁剪

参数：

size(sequence or int) - 裁剪后的输出尺寸。若为sequence，表示(h, w)；若为int，表示(size, size)。

padding(int or sequence, optional) - 图像填充像素的个数。默认None，不填充；若为int，图像上下左右均填充int个像素；若为sequence，有两个给定值时，第一个数表示左右填充像素个数，第二个数表示上下像素填充个数，有四个给定值时，分别表示左上右下填充像素个数。

fill - 只针对constant填充模式，填充的具体值。默认为0。若为int，各通道均填充该值；若为长度3的tuple时，表示RGB各通道填充的值。

padding_mode - 填充模式。● constant：特定的常量填充；● edge：图像边缘的值填充● reflect；● symmetric。

（3）随机长宽比裁剪 ：transforms.RandomResizedCrop

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

根据随机大小和长宽比裁剪，并且最后将裁剪的图像resize为给定的size。通常用于训练Inception网络。

参数：

size - 期望输出的图像尺寸

scale - 随机裁剪的区间，默认(0.08, 1.0)，表示随机裁剪的图片在0.08倍到1.0倍之间。

ratio - 随机长宽比的区间，默认(3/4, 4/3)。

interpolation - 差值方法，默认为PIL.Image.BILINEAR（双线性差值）

（4）五分图像：transforms.FiveCrop

CLASS torchvision.transforms.FiveCrop(size)

对图像四个角和中心进行裁剪得到五张图像

参数：

size(sequence or int) - 裁剪后的输出尺寸。若为sequence，表示(h, w)；若为int，表示(size, size)。

（5）十分图像：transforms.TenCrop

CLASS torchvision.transforms.TenCrop(size, vertical_flip=False)

对图片进行上下左右以及中心裁剪，然后全部翻转（水平或者垂直），获得10张图片

参数：

size(sequence or int) - 裁剪后的输出尺寸。若为sequence，表示(h, w)；若为int，表示(size, size)

vertical_flip(bool) - 默认False，水平翻转；否则垂直翻转。

2.翻转和旋转

（1）依概率水平翻转transforms.RandomHorizontalFlip

CLASS torchvision.transforms.RandomHorizontalFlip(p=0.5)

根据给定的概率p水平翻转图像（PIL图像或Tensor）

参数：

p(float) - 翻转概率，默认0.5。

（2）依概率垂直翻转transforms.RandomVerticalFlip

CLASS torchvision.transforms.RandomVerticalFlip(p=0.5)

根据给定的概率p垂直翻转图像（PIL图像或Tensor）

参数：

p(float) - 翻转概率，默认0.5。

（3）随机旋转：transforms.RandomRotation

CLASS torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None, fill=None)

根据degrees随机旋转图像一定角度

参数：

degrees(sequence or float or int) - 待选择旋转度数的范围。如果是一个数字，表示在(-degrees, +degrees)范围内随机旋转；如果是类似(min, max)的sequence，则表示在指定的最小和最大角度范围内随即旋转。

resample({PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC}, optional) - 重采样方式，可选。

expand(bool, optional) - 图像尺寸是否根据旋转后的图像进行扩展，可选。若为True，扩展输出图像大小以容纳整个旋转后的图像；若为False或忽略，则输出图像大小和输入图像的大小相同。

center(2-tuple, optional) - 旋转中心，可选为中心旋转或左上角点旋转。

fill(n-tuple or int or float) - 旋转图像外部区域像素的填充值。此选项仅使用pillow >= 5.2.0。

3. 其他图像变换

（1）转为tensor：transforms.ToTensor

CLASS torchvision.transforms.ToTensor

将PIL Image或范围在[0, 255]的numpy.ndarray(H×W×C)转换成范围为[0.0, 1.0]的torch.Float(C×H×W)类型的tensor

（2）转为PILImage：transforms.ToPILImage

CLASS torchvision.transforms.ToPILImage(mode=None)

将tensor(C×H×W)或者numpy.ndarray(H×W×C)的数据转换为PIL Image类型数据，同时保留值范围

参数：

mode(PIL.Image mode) - 输入数据的颜色空间和像素深度。如果为None(默认)时，会对数据做如下假定：输入为1通道，mode根据数据类型确定；输入为2通道，mode为LA；输入为3通道，mode为RGB；输入为4通道，mode为RGBA。

（3）填充：transforms.Pad

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

对给定的PIL Image使用给定的填充值进行填充

参数：

padding(int or tuple) - 图像填充像素的个数。若为int，图像上下左右均填充int个像素；若为tuple，有两个给定值时，第一个数表示左右填充像素个数，第二个数表示上下像素填充个数，有四个给定值时，分别表示左上右下填充像素个数。

fill - 只针对constant填充模式，填充的具体值。默认为0。若为int，各通道均填充该值；若为长度3的tuple时，表示RGB各通道填充的值。

padding_mode - 填充模式。● constant：特定的常量填充；● edge：图像边缘的值填充● reflect；● symmetric。

（4）resize：transforms.Resize

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

重置PIL Image的size

参数：

size(sequence or int) - 需求的输出图像尺寸。如果size是类似(h, w)的sequence，表示输出图像高为h，宽为w；如果为int，则匹配图像较小的边到size，并保持高宽比，如 height > width，图像将被重置为(size * height / width, size)。

interpolation(int, optional) - 差值方式，默认为PIL.Image.BILINEAR

（5）标准化：transforms.Normalize

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

对tensor image进行标准化。根据给定的n个通道的均值(mean[1],...,mean[n])和标准差(std[1],..,std[n])计算每个通道的输出值output[channel] = (input[channel] - mean[channel]) / std[channel]

参数：

mean(sequence) - 含有每个通道均值的sequence

std(sequence) - 含有每个通道标准差的sequence

inplace (bool, optional) - 是否替换原始数据

（6）修改亮度、对比度和饱和度：transforms.ColorJitter

CLASS torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

随机更改图像的亮度、对比度和饱和度。

（7）转为灰度图：transforms.Grayscale

CLASS torchvision.transforms.Grayscale(num_output_channels=1)

将图片转成灰度图

参数：

num_output_channels(int) - （1或3）输出图像的通道数。如果为1，输出单通道灰度图；如果为3，输出3通道，且有r == g == b。

（8）依概率转为灰度图：transforms.RandomGrayscale

CLASS torchvision.transforms.RandomGrayscale(p=0.1)

根据概率随机将图片转换成灰度图

参数：

p (float) - 图像转换成灰度图的概率。

（9）线性变换：transforms.LinearTransformation

CLASS torchvision.transforms.LinearTransformation(transformation_matrix, mean_vector)

对tensor image做线性变换，可用于白化处理。

参数：

transformation_matrix(Tensor) - tensor [D x D], D = C x H x W

mean_vector(Tensor) - tensor [D], D = C x H x W

（10）仿射变换：transforms.RandomAffine

CLASS torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)

保持图像中心不变的随机仿射变换

（11）自定义变换：transforms.Lambda

CLASS torchvision.transforms.Lambda(lambd)

将自定义的函数(lambda)应用于图像变换

参数：

lambd(lambda) - 用于图像变换的lambda/自定义函数