from torchvision import transforms
通过transforms.ToTensor去说明两个问题：第一，transforms该如何使用；第二，Tensor数据类型相较于普通数据类型有什么区别，为什么需要tensor这个数据类型。
具体方法：transforms.Totensor()
from torchvision import transforms
tensor_trans=transforms.ToTensor() #创建transforms.ToTensor()工具
tensor_img=tensor_trans(pic) #pic为要转化为tensor类的PIL或numpy.ndarray类型的图像数据
举例：
from torchvision import transforms
from PIL import Image
#读入图像如果读取绝对路径要把\改为\\，如果读取相对路径，则没有这样的困扰
img_path="E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg" #图片路径
img=Image.open(img_path)
print(img)
#将PIL类型图片转化为tensor类型的图片
tensor_trans=transforms.ToTensor()
tensor_img=tensor_trans(img)
print(tensor_img)
#将numpy.ndarray类型的图片转化为tensor类型
import cv2
cv_img=cv2.imread(img_path) #将图片转化为ndarray数据
tensor_cv_img=tensor_trans(cv_img)
print(tensor_cv_img)
补充：如何读取tensor类型的图片数据
from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")
writer.add_image("Tensor_img",tensor_img)
writer.close()
| 功能 | 数据类型 | 对应函数 |
|---|---|---|
| 输入 | PIL | Image.open() |
| 输出 | tensor | Totensor() |
| 作用 | narrays | cv.imread() |
随便写个类举例子：
class Person:
def __call__(self, name):
print("__call__ "+"Hello "+name)
def hello(self,name):
print("hello "+name)
person=Person()
person("zhangsan") #[Run] __call__ Hello zhangsan
person.hello("lisi") #[Run] hello lisi
总结：
像def __call__这样的函数是不需要用”.函数名“这样的方式去调用的，可以直接使用”对象名(参数)“这样的方法去调用
但def hello这样的函数需要用”对象名.函数(参数)“的形式调用
from torchvision import transforms
img=transforms.compose([transforms.CenterCrop(10),transforms.ToTensor()])
只支持输入以下两类的数据：
PIL类型的图像数据
numpy.ndarray类型的图像数据
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transforms
img=Image.open("E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg") #读取图片
writer=SummaryWriter("logs")
#Totensor的使用
trans_totensor=transforms.ToTensor()
img_tensor=trans_totensor(img) #将PIL类型的图片转化为tensor类型
writer.add_image("ToTensor",img_tensor) #将tensor数据类型的图像可视化
writer.close()
主要作用：将tensor类型的图像数据转化为PIL类型
支持两种类型数据的输入：tensor、numpy.ndarray
返回：一个PIL的Image
主要作用：归一化tensor Image，并输入该组图像的均值或标准差，进行归一化处理
归一化公式：
from PIL import Image
from torchvision import transforms
img=Image.open("E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg") #读取图片
#Normalize的使用
trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5]) #设置mean和std，因为是三通道数据，所以输入维度有3维
img_norm=trans_norm(img_tensor) #标准化tensor图像数据类型
writer.add_image("Normalize",img_norm) #将标准化后的图像可视化
writer.close()
可以对比原来的图片（下）和标准化后的图片（上）：颜色都变了诶！
从代码上看不出啥东西，所以这里从标准化计算公式的角度去解释：
代码中设定的均值mean和标准差std都是0.5，那么有：
这条公式的意义在于：假如\(input\)图片像素值在\([0,1]\)这个范围内，那么标准化后会变成\([-1,1]\)这样一个范围内的图像数据
用下面的代码验证这条公式：
print(img_tensor[0][0][0]) #[Run] tensor(0.8275)
trans_norm=transforms.Normalize([0.5,0.5,0.5],[0.5,0.5,0.5]) #设置mean和std，因为是三通道数据，所以输入维度有3维
img_norm=trans_norm(img_tensor) #标准化tensor图像数据类型
print(img_norm[0][0][0]) #[Run] tensor(0.6549) 0.6549=2*0.8275-1
只能输入PIL类型的数据，并给定它的size
关于size的输入方式：
(h, w)：输入数组（h,w）时，h为图像的高；w为图像的宽
int：输入一个整数时，图像最小的边将会匹配这个整数，另一条边会进行等比缩放
①将PIL图片缩放到指定尺寸
from PIL import Image
from torchvision import transforms
img=Image.open("E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg") #读取图片
#Resize的使用——将图片缩放到指定尺寸
print(img.size) #size=3200×1800
trans_resize=transforms.Resize((512,512)) #将图片的size变为512×512
img_resize=trans_resize(img) #注意img的数据格式是PIL
print(img_resize) #size=512×512; type: PIL
trans_totensor=transforms.ToTensor()
img_resizeToTensor=trans_totensor(img_resize) #将PIL类型的图像数据转为tensor型
from torch.utils.tensorboard import SummaryWriter
writer=SummaryWriter("logs")
writer.add_image("Resize",img_resizeToTensor) #将tensor数据类型的图像可视化
writer.close()
②将PIL图片等比缩放（最小边=int，另一条边等比缩放）
这里需要使用Compose类去辅助
Compose() 用法：
Compose() 中的参数需要一个列表
并且列表中的数据类型为transforms类型
所以得到：\(Compose([transforms参数1,transforms参数2, \dots])\)
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transfor
img=Image.open("E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg") #读取图片
writer=SummaryWriter("logs")
trans_totensor=transforms.ToTensor()
#Compose--resize的第2种用法
#输入一个序列，输出等比缩放比例的图片
trans_resize2=transforms.Resize(512)
trans_compose=transforms.Compose([trans_resize2,trans_totensor]) #让图像数据先经过Resize的处理，再转化为tensor格式
img_resize2=trans_compose(img) #在Compose中的这两个函数都需要输入PIL的数据类型。所以这里是先输入PIL图像进行缩放，再转换为tensor数据
writer.add_image("Resize2",resize2) #将tensor数据类型的图像可视化
writer.close()
补充：\(Compose\)的运行逻辑
Compose输入列表中，前面函数的输出，就是后面函数的输入。最后一个函数的输出，就是Compose函数的返回值
比如说上面的transforms.Compose([trans_resize2,trans_totensor])，运行逻辑为：首先向Compose函数输入一个PIL类型的图像数据 --> PIL数据被传入Resize函数中进行处理 --> Resize将处理完的PIL数据输入ToTensor函数中 --> ToTensor函数将PIL数据转换为tensor类型输出 --> Compose函数返回处理完后的tensor数据
也就是说，Compose中调用的transform函数先后顺序，一定要跟数据类型一一对应。比如说，上面的Resize函数输出的是PIL类型数据，后一个ToTensor函数刚好能接受PIL类型数据的输入。如果Resize后面的函数只能接受tensor类型的数据，那寄...
主要作用：随机裁剪图像；Crop the given PIL Image at a random location
对随机的理解：根据指定的size，随机裁剪掉图像的某个区域，使裁剪后的图像在size的范围内
Resize的主要作用是缩放，RandomCrop的主要作用是裁剪。
拆开class RandomCrop，可以看到：
def __init__(self, size, padding=None, pad_if_need=False, fill=0, padding_mode='constant')
这里很多参数都有默认值，所以只介绍参数size的输入：
\(size\)可以输入一个序列，格式跟\(Resize\)一样：(h,w)
\(size\)还可以输入一个整数\(int\)，区别于\(Resize\)，这里会输出一个size为int×int的正方形图像
此外，\(RandomCrop\)需要输入一个格式为PIL类型的图像
from PIL import Image
from torch.utils.tensorboard import SummaryWriter
from torchvision import transfor
img=Image.open("E:\\Desktop\\hymenoptera_data\\hymenoptera_data\\train\\ants\\0013035.jpg") #读取图片
writer=SummaryWriter("logs")
#RandomCrop的用法（裁剪为正方形）
trans_random=transforms.RandomCrop(512) #将图像随机裁剪为size=512×512尺寸的正方形
trans_compose2=transforms.Compose([trans_random,trans_totensor]) #先裁剪PIL图像，再转换为tensor类型数据
for i in range(10): #随机裁剪10次图像
img_crop=trans_compose2(img)
writer.add_image("RandomCrop",img_crop,i)
writer.close()
#RandomCrop的用法（裁剪为指定size）
trans_random=transforms.RandomCrop((512,1200)) #将图像随机裁剪为size=512×1200尺寸的正方形
关注函数的输入、输出的数据类型
多看官方文档，比网上文档准确得多
关注方法需要什么参数。关注每个函数的__init__，比如def __init__(self,padding,fill=0,padding_mode='constant')，一般情况下，需要输入的参数为\(padding\)，其他参数使用默认值即可。这时候还需要了解一下\(padding\)的作用及输入的数据类型。
不知道输出数据类型的时候，可以用\(type()\)函数去查看