自定义transform中的变换

背景

上一篇博客介绍了 pytorch 的 transforms 模块，有需要的移步 研究一下 pytorch 的 transforms 模块。现在，我想像 T.Normalise() 一样，对每个图片做一下对比度增强，而其他的转换方法保持不变，依旧采用随机处理。

实现方式是 采用 __call__ 机制，具体如下：

• from PIL import ImageEnhance
•  
• class Contrast(object):
• def __init__(self,degree):
• self.degree = degree
• def __call__(self,img):
• return contrast(img,self.degree)
• def contrast(img,degree):
• enh_contrast = ImageEnhance.Contrast(img)
• enh_contrast.enhance(degree)
• return img

上面定义了新的数据转换方法：Contrast，使用方法如下，以开源的代码为例 class ChaojieDataset(Dataset):

•  
• #2.define dataset
• class ChaojieDataset(Dataset):
• def __init__(self,label_list,transforms=None,train=True,test=False):
• self.test = test
• self.train = train
• imgs = []
• if self.test:
• for index,row in label_list.iterrows():
• imgs.append((row["filename"]))
• self.imgs = imgs
• else:
• for index,row in label_list.iterrows():
• imgs.append((row["filename"],row["label"]))
• self.imgs = imgs
• if transforms is None:
• if self.test or not train:
• self.transforms = T.Compose([
• T.Resize((config.img_weight,config.img_height)),
• T.ToTensor(),
• T.Normalize(mean = [0.485,0.456,0.406],
• std = [0.229,0.224,0.225])])
• else:
• self.transforms = T.Compose([
• T.Resize((config.img_weight,config.img_height)),
• T.RandomRotation(30),
• T.RandomHorizontalFlip(),
• T.RandomVerticalFlip(),
• T.RandomAffine(45),
• Contrast(1.8), ## 在此添加 ##
• T.ToTensor(),
• T.Normalize(mean = [0.485,0.456,0.406],
• std = [0.229,0.224,0.225])])
• else:
• self.transforms = transforms
• def __getitem__(self,index):
• if self.test:
• filename = self.imgs[index]
• img = Image.open(filename)
• img = self.transforms(img)
• return img,filename
• else:
• filename,label = self.imgs[index]
• img = Image.open(filename)
• img = self.transforms(img)
• return img,label
• def __len__(self):
• return len(self.imgs)

这样，每一张图片除了进行归一化和转变成张量外，都做了对比度增强，当然也可以设置一个随机数，每次随机选择要增强的对比度。

原博客：http://spytensor.com/index.php/archives/38/

自定义transform中的变换

原文：https://www.cnblogs.com/baitian963/p/12114362.html