当前位置： 首页 > news >正文

Pytorch中的Transforms学习

news 来源：原创 2025/6/13 16:32:40

1、Transforms介绍

  在 PyTorch 的计算机视觉库 torchvision 中，transforms 模块是一个用于图像预处理和数据增强的核心工具。它提供了一系列预定义的函数和类，用于将原始图像转换为适合深度学习模型输入的张量格式，同时支持数据增强以提高模型的泛化能力。

1.1 主要功能

torchvision.transforms 的核心目标是：

  • 图像预处理：将图像转换为张量（Tensor）并标准化。
  • 数据增强：通过随机变换生成多样化的训练数据，防止过拟合。
  • 灵活组合：通过 Compose 将多个变换操作串联成流水线。

1.2 常用操作分类

  1. 基础图像变换
  • Resize(size)
    调整图像尺寸（支持整数或 (H, W) 元组）。
transforms.Resize(256)  # 将短边缩放到256，长边按比例调整
transforms.Resize((224, 224))  # 强制缩放到224x224
  • CenterCrop(size) / RandomCrop(size)
    中心裁剪或随机裁剪到指定尺寸。
transforms.RandomCrop(224)  # 随机裁剪224x224区域
  • RandomHorizontalFlip(p=0.5)
    按概率 p 随机水平翻转图像。
transforms.RandomHorizontalFlip(p=0.5)  # 50%概率翻转
  • RandomRotation(degrees)
    随机旋转图像（角度范围 [-degrees, degrees]）。
transforms.RandomRotation(30)  # 随机旋转-30°到30°
  1. 张量转换与标准化
  • ToTensor()
    将 PIL.Image 或 numpy.ndarray 转换为 torch.Tensor，并自动归一化到 [0, 1]。
transforms.ToTensor()  # 输入形状 (H, W, C) → 输出 (C, H, W)
  • Normalize(mean, std)
    对张量进行标准化（按通道计算）：
    o u t p u t = ( i n p u t − m e a n ) s t d output= \frac{(input−mean)}{std} output=std(input−mean)​
transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # ImageNet统计值
  1. 颜色与对比度变换
  • ColorJitter(brightness, contrast, saturation, hue)
    随机调整亮度、对比度、饱和度和色调。
transforms.ColorJitter(brightness=0.2, contrast=0.2)  # 亮度、对比度随机调整20%
  • Grayscale(num_output_channels=1)
    将图像转为灰度图。
transforms.Grayscale()  # 输出单通道灰度图
  • RandomGrayscale(p=0.1)
    按概率 p 将图像转为灰度图。
transforms.RandomGrayscale(p=0.1)  # 10%概率转灰度
  1. 组合变换（Compose）
    通过 Compose 将多个变换按顺序组合成一个流水线：
from torchvision import transforms

transform = transforms.Compose([
    transforms.Resize(256),
    transforms.RandomCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
  1. 自定义变换
    对于复杂需求，可以使用 Lambda 或自定义函数：
# 使用Lambda定义简单变换
transforms.Lambda(lambda x: x.rotate(90))  # 旋转90度

# 自定义函数（需返回张量或PIL图像）
def custom_transform(img):
    # 处理图像逻辑
    return img

transform = transforms.Compose([
    transforms.Resize(256),
    custom_transform,
    transforms.ToTensor(),
])
  1. 功能性变换（Functional Transforms）
    torchvision.transforms.functional 提供了细粒度的函数式接口，适合自定义复杂逻辑（需手动处理随机性）：
from torchvision.transforms import functional as F

def random_rotation(img):
    angle = torch.randint(-30, 30, (1,)).item()
    return F.rotate(img, angle)

transform = transforms.Compose([
    transforms.Resize(256),
    transforms.Lambda(random_rotation),
    transforms.ToTensor(),
])

1.3 典型应用场景

  1. 训练时的数据增强：
train_transform = transforms.Compose([
    transforms.RandomResizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ColorJitter(),
    transforms.ToTensor(),
    transforms.Normalize(...),
])
  1. 测试/推理时的预处理：
test_transform = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(...),
])
  1. 与数据集结合：
from torchvision.datasets import CIFAR10

dataset = CIFAR10(root='./data', train=True, transform=transform, download=True)
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

1.4 注意事项

  • 顺序敏感：某些操作必须按特定顺序执行（如 ToTensor 应在 Normalize 之前）。
  • 数据类型：ToTensor 会将 uint8 图像转换为 float32 张量。
  • 标准化参数：需根据数据集统计值调整 mean 和 std（例如 ImageNet 的默认值）。

1.5 总结

torchvision.transforms 是 PyTorch 中处理图像数据的核心模块，通过灵活的变换组合，可以实现：

  • 规范化输入：适配模型输入格式。
  • 增强多样性：提升模型鲁棒性。
  • 高效流水线：简化数据预处理流程。

对于具体任务（如医学图像、卫星图像等），可以结合自定义变换扩展功能。

2、Transforms操作实例

2.1 实例一：将图片转换为tensor格式

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

# 创建一个 SummaryWriter 对象
writer = SummaryWriter("runs")
image_path = "hymenoptera_data/train/ants/0013035.jpg"
img_PIL = Image.open(image_path)

tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img_PIL)
print(type(img_tensor))
print(img_tensor.shape)

writer.add_image("tensor_img", img_tensor)

writer.close()

程序使用了Tensorboard，和PIL中的Image模块，如果不熟悉，可以复习一下：
Pytorch中Tensorboard的学习
Pytorch中的数据加载

tensor_trans = transforms.ToTensor()
img_tensor = tensor_trans(img_PIL)

使用transforms中的ToTensor将PIL图像数据转为tensor类型的图像数据。

运行程序，打印信息：

<class 'torch.Tensor'>
torch.Size([3, 512, 768])

在终端执行命令：

Tensorboard --logdir=E:\my_pycharm_projects\project1\runs

返回结果：

TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.19.0 at http://localhost:6006/ (Press CTRL+C to quit)

打开网址：
在这里插入图片描述

2.2 实例二：

1、准备数据集

  首先，将数据集放到项目所在文件夹中。数据集示例如下：

Alt
同样包含训练集（train）和验证集（val）。

在这里插入图片描述
不过，不同的是，例如在train文件夹下，图片数据和图片标签分别存放在不同的文件夹中（如ants_image和ants_label分别存放蚂蚁的图片和对应图片的标签）。

在这里插入图片描述
在这里插入图片描述

ants_image中为.ipg的图片文件，ants_label中为.txt文本文件，他们的名字是一一对应的。

在这里插入图片描述

文本文件中是该图片的标签。

2、数据加载

  这里要用到torch.utils.data中的Dataset类，PIL中的Image模块以及os模块。可以复习一下之前的内容：
Pytorch中的数据加载

  1. 导入所需的类或模块
from torch.utils.data import Dataset
from PIL import Image
import os
from torchvision import transforms

Dataset: PyTorch的基础数据集类，自定义数据集需要继承它
DataLoader: 用于批量加载数据
Image: PIL库的图像处理模块
os: 用于文件路径操作
transforms: PyTorch的图像预处理工具

  1. 编写数据类
      编写一个表示数据集的类，继承自Dataset类，并重写方法__init__()和方法__getitem__()和方法__len__()：
from torch.utils.data import Dataset, DataLoader
from PIL import Image
import os
from torchvision import transforms

class MyData(Dataset):

    def __init__(self, root_dir, image_dir, label_dir, transform=None):
        self.root_dir = root_dir
        self.image_dir = image_dir
        self.label_dir = label_dir
        self.label_path = os.path.join(self.root_dir, self.label_dir)
        self.image_path = os.path.join(self.root_dir, self.image_dir)
        self.image_list = os.listdir(self.image_path)
        self.label_list = os.listdir(self.label_path)
        self.transform = transform
        # 因为label 和 Image文件名相同，进行一样的排序，可以保证取出的数据和label是一一对应的
        self.image_list.sort()
        self.label_list.sort()

    def __getitem__(self, idx):
        img_name = self.image_list[idx]
        label_name = self.label_list[idx]
        img_item_path = os.path.join(self.root_dir, self.image_dir, img_name)
        label_item_path = os.path.join(self.root_dir, self.label_dir, label_name)
        img = Image.open(img_item_path)
        with open(label_item_path, 'r') as f:
            label = f.readline()

        if self.transform:
            img = transform(img)


        return img, label

    def __len__(self):
        assert len(self.image_list) == len(self.label_list)
        return len(self.image_list)

方法__getitem__()中有一个参数：transform，用于对加载的图像数据进行变换。

  1. 加载数据集
transform = transforms.Compose([
    transforms.Resize(400),  # 调整图像大小
    transforms.ToTensor()    # 转换为张量并归一化
])

分别读取ants和bees图像数据以及它们对应的标签，并对图像数据进行transform变换：

  • transforms.Compose([])
    这是一个容器，将多个图像变换操作按顺序组合成一个可调用的对象。输入图像会依次通过这些变换。
  • transforms.Resize(400)
    功能：将图像的短边调整为400像素（保持长宽比）。
    如果参数是(H, W)（如(400, 300)），则强制调整为指定尺寸，可能破坏长宽比。
  • transforms.ToTensor()
    功能：将PIL图像或NumPy数组转换为PyTorch张量（torch.Tensor）。
    自动将像素值从[0, 255]缩放到[0.0, 1.0]（若输入是uint8类型）。
    调整维度顺序为(C, H, W)（通道×高×宽）。

典型用途：

from PIL import Image
image = Image.open("image.jpg")  # 加载图像
tensor = transform(image)       # 应用变换：调整大小 → 转为张量

此时tensor是一个形状为(C, H, W)、值在[0, 1]范围内的浮点型张量，可直接输入神经网络。

transform = transforms.Compose([transforms.Resize(400), transforms.ToTensor()])
root_dir = "练手数据集/train"
image_ants = "ants_image"
label_ants = "ants_label"
ants_dataset = MyData(root_dir, image_ants, label_ants, transform=transform)
image_bees = "bees_image"
label_bees = "bees_label"
bees_dataset = MyData(root_dir, image_bees, label_bees, transform=transform)
  1. 完整代码
from torch.utils.data import Dataset, DataLoader
from PIL import Image
import os
from torchvision import transforms

class MyData(Dataset):

    def __init__(self, root_dir, image_dir, label_dir, transform=None):
        self.root_dir = root_dir
        self.image_dir = image_dir
        self.label_dir = label_dir
        self.label_path = os.path.join(self.root_dir, self.label_dir)
        self.image_path = os.path.join(self.root_dir, self.image_dir)
        self.image_list = os.listdir(self.image_path)
        self.label_list = os.listdir(self.label_path)
        self.transform = transform
        # 因为label 和 Image文件名相同，进行一样的排序，可以保证取出的数据和label是一一对应的
        self.image_list.sort()
        self.label_list.sort()

    def __getitem__(self, idx):
        img_name = self.image_list[idx]
        label_name = self.label_list[idx]
        img_item_path = os.path.join(self.root_dir, self.image_dir, img_name)
        label_item_path = os.path.join(self.root_dir, self.label_dir, label_name)
        img = Image.open(img_item_path)
        with open(label_item_path, 'r') as f:
            label = f.readline()

        if self.transform:
            img = transform(img)


        return img, label

    def __len__(self):
        assert len(self.image_list) == len(self.label_list)
        return len(self.image_list)


transform = transforms.Compose([transforms.Resize(400), transforms.ToTensor()])
root_dir = "练手数据集/train"
image_ants = "ants_image"
label_ants = "ants_label"
ants_dataset = MyData(root_dir, image_ants, label_ants, transform=transform)
image_bees = "bees_image"
label_bees = "bees_label"
bees_dataset = MyData(root_dir, image_bees, label_bees, transform=transform)

通过索引该实例查看一下返回值：返回的是一个图像对象和一个标签：

>>> ants_dataset[1]
(tensor([[[0.6941, 0.7490, 0.8118,  ..., 0.8353, 0.8118, 0.7922],
         [0.6549, 0.7216, 0.7961,  ..., 0.8471, 0.8392, 0.8392],
         [0.5882, 0.6784, 0.7412,  ..., 0.8549, 0.8667, 0.8784],
         ...,
         [0.8824, 0.8706, 0.8549,  ..., 0.8510, 0.8392, 0.8275],
         [0.8549, 0.8627, 0.8549,  ..., 0.8510, 0.8392, 0.8235],
         [0.8314, 0.8392, 0.8275,  ..., 0.8588, 0.8471, 0.8392]],
        [[0.6784, 0.7373, 0.8196,  ..., 0.8196, 0.7922, 0.7647],
         [0.6275, 0.6941, 0.7804,  ..., 0.8353, 0.8314, 0.8275],
         [0.5843, 0.6510, 0.7137,  ..., 0.8353, 0.8471, 0.8588],
         ...,
         [0.8627, 0.8471, 0.8275,  ..., 0.8196, 0.8118, 0.8039],
         [0.8431, 0.8431, 0.8275,  ..., 0.8235, 0.8157, 0.8078],
         [0.8196, 0.8196, 0.8000,  ..., 0.8392, 0.8314, 0.8235]],
        [[0.5804, 0.6510, 0.7333,  ..., 0.7098, 0.7020, 0.7412],
         [0.5529, 0.5882, 0.6863,  ..., 0.7647, 0.7647, 0.7804],
         [0.4902, 0.5373, 0.6196,  ..., 0.8000, 0.8078, 0.8196],
         ...,
         [0.8039, 0.8039, 0.7765,  ..., 0.7882, 0.7725, 0.7647],
         [0.7843, 0.7961, 0.7765,  ..., 0.7961, 0.7804, 0.7647],
         [0.7843, 0.7922, 0.7647,  ..., 0.8078, 0.7961, 0.7804]]]), 'ants')

用两个变量分别接收图片对象和其标签：

>>> image, label = ants_dataset[1]
>>> image.shape
torch.Size([3, 400, 600])

相关文章：

  • 深入剖析 「Java Lambda 」表达式：从原理到实战
  • CMLINK APN 手动设置
  • 手撕LRU缓存Java版（带输入输出）
  • 【图像处理基石】什么是神经渲染？
  • 蓝桥杯备考：八皇后问题
  • QT——信号和槽
  • 渗透测试过-关于学习Token、JWT、Cookie等验证授权方式的总结
  • 动态 SQL 或 Criteria 构造 OR 条件，可以实现多字段匹配
  • 物理安全——问答
  • AI大模型使用记录
  • 第五周日志-伪协议（3）
  • 模块化革命：树莓派CM5嵌入式工业计算机如何重构嵌入式系统开发边界
  • 第十四届蓝桥杯大赛软件赛省赛C/C++ 大学 B 组（部分题解）
  • Qemu-STM32(十二)：STM32F103 框架代码添加
  • STM32F103_LL库+寄存器学习笔记08 - DMA串口发送，开启DMA传输完成中断
  • ip改变导致的数据库连接不上
  • Java中用Stream流取出分组后每组最大值对象的ID
  • 前端 登录页面 案例
  • HarmonyOS NEXT开发实战——组件状态管理
  • 蓝桥杯嵌入式赛道复习笔记8(eeprom读写)
  • 校园文化建设图片网站/电商平台推广
  • 北京网页制作服务/seo营销外包公司
  • 亿级流量网站架构/广州seo推广培训
  • 深圳网站建设hi0755/模板建站哪个平台好
  • 网站建设需要用到什么软件有哪些/最火的推广平台
  • 用php做网站/seowhy论坛