文章目录
本内容主要是展示常用的transform的操作，知道有这个操作，就可以针对性去研究如何使用。具体还是需要看API或者百度查找如何使用
Resize
class torchvision.transforms.Resize(size, interpoliation=2)
- 功能：重置图片的分辨率（大小）
- size：一般建议写成（height*weight）的形式
- interpolation：插值方法的选择，默认是PIL.Image.BILINEAR线性插值
Normalize
class torchvision.transforms.Normalize(mean,std)
- 功能：对数据按照通道进行标准化，先减去均值，然后除以标准差，这里面是hwchannel
ToTensor
class torchvision.transforms.ToTensor
- 功能：将PIL Image或者ndarray转化为tensor，并且归一化到[0,1]
- 归一化到【0，1】是直接除以255，并非上面的标准化
ToPILImage
class torchvision.transforms.ToPILImage(mode=None)
- 将tensor或者ndarray的数据转换为PILImage类的数据类型
- model为None的时候，默认是1通道，如果mode是3的时候，转换问RGB，如果是4，就是RGBA
Pad
class torchvision.transforms.Pad(padding. fill=0, padding_mode = 'constent')
- 功能：对图像进行填充
- padding：是填充多少个pixel，可以输入int，或者sequence。如果是int，就是上线左右都填充int，如果是两个数的sequence，就是第一个数是左右扩充多少，第二个数是上下扩充多少。如果四个数，就是左上右下扩充的多少
- fill：填充的值是什么，默认是0
- padding_mode:填充模式，默认constant，也可以选择edge，就是按照图片边缘的像素值来填充
ColorJitter
class torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
- 功能：修改亮度，对比度，饱和度这样的
Grayscale
class torchvision.transforms.Grayscale(num_output_channels = 1)
- 功能：将图片转换为灰度图
- num_output_channels:默认是1，就是一般的灰度图，当时3的时候，就是r=g=b
LinearTransformation（）
class torchvision.transforms.LinearTransformation(transformation_matrix)
- 功能：对矩阵进行线性变化，可以用白化处理
- 【白化处理】：一幅图像最终成像会受环境照明强度、物体反射、拍摄相机等多因素的影响。为了能获得图像中包含的那些不受外界影响的恒定信息，我们需要对图像进行白化处理。（图像白化（whitening）可用于对过度曝光或低曝光的图片进行处理，处理的方式就是改变图像的平均像素值为
0 ，改变图像的方差为单位方差 1。）一般为了去除这些因素的影响，我们将它的像素值转化成零均值和单位方差。
RandomAffine
class torchvision.transforms.RandomAffine(degree, translate=None,sacle=None,shear=None,resample=False, fillcolor=0)
- 仿射变换
RandomGrayscale
class torchvision.transforms.RandomGrayscale(p=0.1)
- 按照概率p改为灰度图
此外再加上三个对transform本身的操作
RandomChoice
class torchvision.transforms.RandomChoice(transforms)
- 从给定的一系列transform中选一个进行操作
RandomApply
class torchvision.transforms.RandomApply(transforms, p=0.5)
- 给一个transform加上概率，以一定概率执行该操作
RandomOrder
class torchvision.transforms.RandomOrder
- 将transform中的顺序随机打乱
