Image Augmentation with torchvision.transforms.

• 官方文档：Pytorch Dcos

torchvision.transforms提供了常用的图像变换方法，输入支持PIL图像或tensor图像。图像变换中存在一些随机性，使用下列语句设置随机数种子：

import torch
torch.manual_seed(17)

可以同时设置多种数据增强方法，通过Compose方法实现：

from torchvision import transforms
train_transform = transforms.Compose([,])

也可以设置使用增强方法的概率，通过RandomApply方法实现：

train_transform = transforms.RandomApply(
    torch.nn.ModuleList([,]), p=0.3)

torchvision.transforms提供的图像增强方法可以分为几何变换和像素变换。

1. 常用的几何变换：

常用的几何变换包括：

• transforms.CenterCrop(size)：在图像中心进行裁剪
• transforms.FiveCrop(size)：裁剪图像的中心和四个角落
• transforms.TenCrop(size)：裁剪图像的中心和四个角落，并水平翻转
• transforms.RandomCrop(size)：随机裁剪图像的一部分
• transforms.RandomHorizontalFlip(p=0.5)：把图像水平翻转
• transforms.RandomVerticalFlip(p=0.5)：把图像垂直翻转
• transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333))：随机裁剪图像的一部分并缩放到指定尺寸
• transforms.RandomRotation(degrees)：对图像进行随机旋转
• transforms.RandomPerspective(distortion_scale=0.5, p=0.5)：对图像进行透视变换
• transforms.RandomAffine(degrees)：以图像中心进行随机仿射变换

⚪ transforms.CenterCrop(size)

在图像中心进行裁剪。如果图像尺寸小于裁剪长度，则对图像填充$0$。主要参数如下：

• size：裁剪尺寸。可以输入int或(h,w)。

⚪ transforms.FiveCrop(size)

裁剪图像的中心和四个角落，返回一个图像元组。主要参数如下：

• size：裁剪尺寸。可以输入int或(h,w)。

⚪ transforms.TenCrop(size)

裁剪图像的中心和四个角落，再将它们水平翻转，返回一个图像元组。主要参数如下：

• size：裁剪尺寸。可以输入int或(h,w)。
• vertical_flip：使用垂直翻转代替水平翻转。

⚪ transforms.RandomCrop(size)

随机裁剪图像的一部分。主要参数如下：

• size：裁剪尺寸。可以输入int或(h,w)。

⚪ transforms.RandomHorizontalFlip(p=0.5)

把图像水平翻转，可以指定概率$p$。

原始图像	增强图像

⚪ transforms.RandomVerticalFlip(p=0.5)

把图像垂直翻转，可以指定概率$p$。

原始图像	增强图像

⚪ transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333))

随机裁剪图像的一部分并缩放到指定尺寸。主要参数如下：

• size：指定输出尺寸，可以输入int或(h,w)。
• scale：指定裁剪区域面积的下界和上界。数值为相对于原图的面积比例。
• ratio：指定裁剪区域高宽比的下界和上界。

原始图像	增强图像

⚪ transforms.RandomRotation(degrees)

对图像进行随机旋转。主要参数如下：

• degrees：设置旋转的角度范围。可以输入float或(min,max)；若输入float则取值为$[-\text{degrees},\text{degrees}]$。

原始图像	增强图像

⚪ transforms.RandomPerspective(distortion_scale=0.5, p=0.5)

对图像进行透视变换，可以指定概率$p$。主要参数如下：

• distortion_scale：控制变形度，可取$[0,1]$，默认$0.5$。

原始图像	增强图像

⚪ transforms.RandomAffine(degrees)

以图像中心进行随机仿射变换。主要参数如下：

• degrees：设置旋转的角度范围。可以输入float或(min,max)；若输入float则取值为$[-\text{degrees},\text{degrees}]$。
• translate：设置平移的范围$[0,1]$。可以输入(a,b)；则水平平移的范围取值为$[-\text{width}a,\text{width}a]$，垂直平移的范围取值为$[-\text{height}b,\text{height}b]$。
• scale：设置缩放的范围。可以输入(a,b)。
• shear：设置剪切的范围。若输入a，则沿x轴剪切的范围取值为$(-a,a)$；若输入(a,b)，则沿x轴剪切的范围取值为$(a,b)$；若输入(a,b,c,d)，则沿x轴剪切的范围取值为$(a,b)$，沿y轴剪切的范围取值为$(c,d)$。
• fill：设置像素填充，默认为$0$。

原始图像	旋转	平移	缩放	剪切

2. 常用的像素变换

常用的像素变换包括：

• transforms.Grayscale(num_output_channels=1)：把图像转换为灰度图
• transforms.RandomGrayscale(p=0.1)：按一定概率把图像转换为灰度图
• transforms.RandomInvert(p=0.5)：反转像素值
• transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0))：使用高斯模糊进行图像平滑
• transforms.RandomPosterize(bits, p=0.5)：通过减少每个颜色通道的位数对图像进行色调分离
• transforms.RandomSolarize(threshold, p=0.5)：通过反转高于阈值的像素值对图像进行曝光
• transforms.RandomAdjustSharpness(sharpness_factor, p=0.5)：调整图像的锐化程度
• transforms.RandomAutocontrast(p=0.5)：自动调整图像的对比度
• transforms.RandomEqualize(p=0.5)：直方图均衡化
• transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)：随机改变图像的颜色参数

⚪ transforms.Grayscale(num_output_channels=1)

把图像转换为灰度图，可以指定输出通道数(通常为$1$或$3$)。

原始图像	增强图像

⚪ transforms.RandomGrayscale(p=0.1)

按一定概率把图像转换为灰度图，可以指定概率$p$。

⚪ transforms.RandomInvert(p=0.5)

反转像素值，可以指定概率$p$。

原始图像	增强图像

⚪ transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0))

使用高斯模糊进行图像平滑。主要参数如下：

• kernel_size：高斯核的大小。
• sigma：高斯核的标准差，可以输入int或(min,max)。

原始图像	增强图像

⚪ transforms.RandomPosterize(bits, p=0.5)

通过减少每个颜色通道的位数对图像进行色调分离，可以指定概率$p$。颜色通道位数越多，则能表示的颜色数量越多。主要参数如下：

• bits：每个颜色通道保留的位数($0$-$8$)。

原始图像	增强图像

⚪ transforms.RandomSolarize(threshold, p=0.5)

通过反转高于阈值的像素值对图像进行曝光，可以指定概率$p$。主要参数如下：

• threshold：像素反转的阈值(超过阈值则反转)。

原始图像	增强图像

⚪ transforms.RandomAdjustSharpness(sharpness_factor, p=0.5)

调整图像的锐化程度，可以指定概率$p$。主要参数如下：

• sharpness_factor：锐化程度。取值非负，$1$为原图，$0$为模糊图像。

原始图像	增强图像

⚪ transforms.RandomAutocontrast(p=0.5)

自动调整图像的对比度，可以指定概率$p$。

原始图像	增强图像

⚪ transforms.RandomEqualize(p=0.5)

直方图均衡化，可以指定概率$p$。

原始图像	增强图像

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

随机改变图像的颜色参数。主要参数如下：

• brightness：改变亮度。可以输入float或(min,max)；若输入float则取值为$[\max(0,1-\text{brightness}),1+\text{brightness}]$。
• contrast：改变对比度。可以输入float或(min,max)；若输入float则取值为$[\max(0,1-\text{contrast}),1+\text{contrast}]$。
• saturation：改变饱和度。可以输入float或(min,max)；若输入float则取值为$[\max(0,1-\text{saturation}),1+\text{saturation}]$。
• hue：改变色调。可以输入float或(min,max)；若输入float则取值为$[-\text{hue},\text{hue}]$，色调取值应为$[-0.5,0.5]$。

原始图像	亮度	对比度	饱和度	色调