1、基本概念
數據增強，又稱數據增廣、數據擴增，是對訓練集進行變換，使訓練集更豐富，從而讓模型更具泛化能力
2、裁剪 — — Crop
2.1 transforms.CenterCrop
功能：從圖像中心裁剪圖片
size：所需裁剪圖片尺寸
2.2 transforms.RandomCrop
# transforms.RandomCrop(
# size,
# padding=None,
# pad_if_needed=False,
# fill=0,
# padding_mode='constant',
# )
功能：從圖片中隨機裁剪出尺寸為 size 的圖片
-
size：所需裁剪圖片尺寸 -
padding：設置填充大小- 為 a 時，上下左右均填充 a 個像素
- 為 (a, b) 時，上下填充 b 個像素，左右填充 a 個像素
- 為 (a, b, c, d) 時，左、上、右、下分別填充 a，b，c，d 個像素
-
pad_if_need：若圖像小于設定的 size，則填充 -
padding_mode：填充模式，有4種模式constant：像素值由 fill 設定edge：像素值由圖像邊緣像素決定reflect：鏡像填充，最后一個像素不鏡像symmetric：鏡像填充，最后一個像素要鏡像
-
fill：為constant時，設置填充的像素值
2.3 RandomResizedCrop
# transforms.RandomResizedCrop(
# size,
# scale=(0.08, 1.0),
# ratio=(3/4, 3/4),
# interpolation
# )
功能：隨機大小、長寬比裁剪圖片
-
size：所需裁剪圖片尺寸 -
scale：隨機裁剪面積比例，默認為(0.08, 1.0) -
ratio：隨機長寬比，默認為(3/4, 4/3) -
interpolation：插值方式，默認為PIL.Image.BILINEAR- PIL.Image.NEAREST：最近鄰近插值
- PIL.Image,BILINEAR：雙線性插值
- PIL.Image.BICUBIC：三次樣條插值
- PIL.Image.LANCZOS：蘭索斯插值
- PIL.Image.HAMMING：漢明碼插值
- PIL.Image.BOX：盒插值
2.4 FiveCrop
# transforms.FiveCrop(
# size
# )
2.5 TenCrop
# transforms.TenCrop(
# size,
# vertical_flip=False,
# )
功能：在圖像的上下左右以及中心裁剪出尺寸為 size 的圖片，TenCrop 對5張圖片進行水平或垂直鏡像獲得10張圖片
size：所需裁剪圖片的尺寸vertical_flip：是否進行垂直鏡像
3、翻轉 — — Flip
3.1 RandomHorizontalFlip
# transforms.RandomHorizontalFlip(
# p=0.5
# )
3.2 RandomVerticalFlip
# transforms.RandomVerticalFlip(
# p=0.5
# )
功能：依概率水平（左右）或垂直（上下）翻轉圖片
p：翻轉概率，默認為0.5
3.3 RandomRotation
# transforms.RandomRotation(
# degrees,
# resample=False,
# expand=False,
# center=None
# )
功能：隨機翻轉圖片
-
degree：旋轉角度- 為 a 時，在 (-a, a) 之間選擇旋轉角度
- 為 (a, b) 時，在 (a, b) 之間選擇旋轉角度
-
resample：重采樣方法 -
expand：是否擴大圖片，以保持原圖信息 -
center：旋轉點設置，默認為圖像中心
4、圖像變換
4.1 Pad
# transforms.Pad(
# padding,
# fill=0,
# padding_mode='constant'
# )
功能：對圖片邊緣進行填充
-
padding：設置填充大小- 為 a 時，上下左右均填充 a 個像素
- 為 (a, b) 時，上下填充 a 個像素，左右填充 b 個像素
- 為 (a, b, c, d) 時，分別填充上、下、左、右的 a，b，c，d 個像素
-
padding_mode：填充模式constant：常數填充edge：邊緣填充，即邊緣像素會被重復reflect：鏡像填充，即邊緣像素會被鏡像到對稱位置symmetric：對稱填充，即邊緣像素會被鏡像到對稱位置，最后一個鏡像也會鏡像
-
fill：為constant時，設置填充像素值，(R, G, B) 或 (Gray)
4.2 ColorJitter
# transforms.ColorJitter(
# brightness=0,
# contrast=0,
# saturation=0,
# hue=0
# )
功能：調整亮度、對比度、飽和度和色相
-
brightness：亮度調整因子- 為 a 時，從 [max(0, 1-a), 1+a] 中隨機選擇
- 為 (a, b) 時，從 [a, b] 中隨機選擇
-
constrast：對比度參數，同brightness -
saturation：飽和度參數，同brightness -
hue：色相參數- 為 a 時，從 [-a, a] 中隨機選擇，且 a 的取值范圍為 [0, 0.5]
- 為 (a, b) 時，從 [a, b] 中隨機選擇，且 a、b 的取值范圍為 [0, 0.5]
4.3 GrayScale
# transforms.Grayscale(
# num_output_channels=1
# )
4.4 RandomGradeCrop
# transforms.RandomGrayscale(
# num_output_channels=1,
# p=0.1
# )
功能：依概率將圖片轉換為灰度圖
num_outpuut_channels：輸出通道數，1表示灰度圖，3表示 RGB 彩色圖p：概率，0.5表示將圖片轉換為灰度圖的概率為 50%
4.5 RandomAffine
# transforms.RandomAffine(
# degrees,
# translate=None,
# scale=None,
# shear=None,
# resample=False,
# fillcolor=0
# )
功能：對圖像進行仿射變換，仿射變換是二維的線性變換，由五種基本原子變換構成，分別是旋轉、平移、縮放、錯切、剪切
-
degrees：旋轉角度設置 -
translate：平移區間設置- 為 (a, b) 時，表示 x 軸和 y 軸的平移范圍均為 [-a, b]
- 為 (a, b, c, d) 時，表示 x 軸平移范圍為 [-a, b]，y 軸平移范圍為 [-c, d]
-
scale：縮放比例（以面積為單位） -
fillcolor：填充色設置
4.6 RandomErasing
# transforms.RandomErasing(
# p=0.5,
# scale=(0.02, 0.33),
# ratio=(0.3, 3.3),
# value=0,
# inplace=False
# )
功能：對圖像進行隨機遮擋
p：概率值，執行該操作的概率scale：遮擋區域的面積ratio：遮擋區域長寬比value：設置遮擋區域的像素值，(R, G, B) 或 (Gray)，默認為0
4.7 Lamdba
# transforms.Lambda(
# lambda
# )
功能：用戶自定義 lamdba 方法
lambda：匿名函數，可以把函數作為參數傳遞給另一個函數
5、方法選擇
5.1 transforms.RandomChoice
# transforms.RandomChoice(
# [transforms1, transforms2, transforms3]
# )
功能：從一系列 transforms 方法中隨機挑選一個
5.2 transforms.RandomApply
# transforms.RandomApply(
# [transforms1, transforms2, transforms3],
# p=0.5
# )
功能：依概率執行一組 transforms 操作
5.3 transforms.RandomOrder
# transforms.RandomOrder(
# [transforms1, transforms2, transforms3]
# )
功能：對一組 transforms 操作打亂順序
6、自定義
# class Compose(object):
# def __call__(self, img):
# for t in self.transforms:
# img = t(img)
# return img
二要素：
- 僅接受一個參數，返回一個參數
- 注意上下游的輸出和輸入
# 通過繼承類，實現多參數傳入
# class YourTransform(object):
# def __init__(self, ...):
# ...# def __call__(self, img):
# ...
# return img
示例 — — 椒鹽噪聲：
- 概念：椒鹽噪聲，又稱脈沖噪聲，是一種隨機出現的白點或者黑點，白點稱為鹽噪聲，黑點稱為椒噪聲。
- 產生原因：椒鹽噪聲的產生是由于光照不均勻導致的。光線經過物體時，某些部分會被吸收，而另一些部分會被反射，產生了椒噪聲和鹽噪聲。椒噪聲的大小與光照強度成正比，鹽噪聲的大小與物體表面粗糙度成正比。椒鹽噪聲的產生是隨機的，并不是均勻分布的。
- 解決方法：椒鹽噪聲的解決方法有兩種：一是采用白盒處理，即對圖像進行預處理，去除椒鹽噪聲；二是采用白盒處理，采用數據增強的方法，對圖像進行數據增強，增加椒鹽噪聲。
- 信噪比：信噪比（SNR）是指信號與噪聲的比值，即信噪比越高，則噪聲的影響越小，信號的影響越大。信噪比越高，圖像的質量越好。
class AddPepperNoise(object):"""增加椒鹽噪聲Args:snr （float）: Signal Noise Ratep (float): 概率值，依概率執行該操作"""def __init__(self, snr, p=0.9):assert isinstance(snr, float) or (isinstance(p, float))self.snr = snrself.p = pdef __call__(self, img):"""Args:img (PIL Image): PIL ImageReturns:PIL Image: PIL image."""if random.uniform(0, 1) < self.p:img_ = np.array(img).copy()h, w, c = img_.shapesignal_pct = self.snrnoise_pct = (1 - self.snr)mask = np.random.choice((0, 1, 2), size=(h, w, 1), p=[signal_pct, noise_pct/2., noise_pct/2.])mask = np.repeat(mask, c, axis=2)img_[mask == 1] = 255 # 鹽噪聲img_[mask == 2] = 0 # 椒噪聲return Image.fromarray(img_.astype('uint8')).convert('RGB')else:return img
微語錄：自己有了光芒才配得上自己追逐的星星。
ldconfig)
