pytorch的colorjitter

给我买咖啡☕

colorjitter（）可以随机更改图像的亮度，对比度，饱和度和色调，如下所示：

*备忘录：

• 初始化的第一个参数是亮度（可选默认：0型：int，float或tuple/tuple/list（int或float））： *备忘录：
  • >是亮度[min，max]的范围，因此必须是min < =最大
  必须为0 < = x。
  • 元组/列表必须是具有2个元素的1d。
  单个值表示[max（0，1亮度），1 亮度]。
  • 初始化的第二个参数是对比度（可选默认：0型：int，float或tuple/tuple/list（int或float））： *备忘录：
  这是对比度[min，max]的范围，因此必须是min < =最大
  必须为0 < = x。
元组/列表必须是具有2个元素的1d。
• 单个值表示[max（0，1-contrast），1 对比]。
  >
  • 初始化的第三个参数是饱和（可选默认：0型：int，float或tuple/tuple/list（int或float））： *备忘录：
  • >是饱和度[min，max]的范围，因此必须是min < =最大
  必须为0 < = x。
  • 元组/列表必须是具有2个元素的1d。
  单个值表示[max（0，1-饱和），1 饱和]。
• 初始化的第四个参数是色调（可选默认：0型：float或tuple/list（float））： *备忘录：
  • >这是色调的范围[min，max]，因此必须是min < =最大
  >必须为-0.5 < = x < = 0.5。
  • 元组或列表必须是具有2个元素的1d。
  单个值表示[-hue， hue]。
  • >
  第一个参数是img（必需类型：pil图像或张量（int））： *备忘录：
张量必须为2d或3d。
• 不使用img =。
  • 建议根据v1或v2使用v2？我应该使用哪一个？

  • from torchvision.datasets import OxfordIIITPet
    from torchvision.transforms.v2 import ColorJitter
    
    colorjitter = ColorJitter()
    colorjitter = ColorJitter(brightness=0,
                              contrast=0,
                              saturation=0,
                              hue=0)
    colorjitter = transform=ColorJitter(brightness=[1, 1]),
                                        contrast=[1, 1],
                                        saturation=[1, 1],
                                        hue=[0, 0])
    colorjitter
    # ColorJitter()
    
    print(colorjitter.brightness)
    # None
    
    print(colorjitter.contrast)
    # None
    
    print(colorjitter.saturation)
    # None
    
    print(colorjitter.hue)
    # None
    
    origin_data = OxfordIIITPet(
        root="data",
        transform=None
        # transform=ColorJitter()
        # colorjitter = ColorJitter(brightness=0,
        #                           contrast=0,
        #                           saturation=0,
        #                           hue=0)
        # transform=ColorJitter(brightness=[1, 1]),
        #                       contrast=[1, 1],
        #                       saturation=[1, 1],
        #                       hue=[0, 0])
    )
    
    brightp2_data = OxfordIIITPet( # `bright` is brightness and `p` is plus.
        root="data",
        transform=ColorJitter(brightness=2)
        # transform=ColorJitter(brightness=[0, 3])
    )
    
    brightp2p2_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(brightness=[2, 2])
    )
    
    brightp05p05_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(brightness=[0.5, 0.5])
    )
    
    contrap2_data = OxfordIIITPet( # `contra` is contrast.
        root="data",
        transform=ColorJitter(contrast=2)
        # transform=ColorJitter(contrast=[0, 3])
    )
    
    contrap2p2_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(contrast=[2, 2])
    )
    
    contrap05p05_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(contrast=[0.5, 0.5])
    )
    
    saturap2_data = OxfordIIITPet( # `satura` is saturation.
        root="data",
        transform=ColorJitter(saturation=2)
        # transform=ColorJitter(saturation=[0, 3])
    )
    
    saturap2p2_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(saturation=[2, 2])
    )
    
    saturap05p05_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(saturation=[0.5, 0.5])
    )
    
    huep05_data = OxfordIIITPet(
        root="data",
        transform=ColorJitter(hue=0.5)
        # transform=ColorJitter(hue=[-0.5, 0.5])
    )
    
    huep025p025_data = OxfordIIITPet( # `m` is minus.
        root="data",
        transform=ColorJitter(hue=[0.25, 0.25])
    )
    
    huem025m025_data = OxfordIIITPet( # `m` is minus.
        root="data",
        transform=ColorJitter(hue=[-0.25, -0.25])
    )
    
    import matplotlib.pyplot as plt
    
    def show_images1(data, main_title=None):
        plt.figure(figsize=(10, 5))
        plt.suptitle(t=main_title, y=0.8, fontsize=14)
        for i, (im, _) in zip(range(1, 6), data):
            plt.subplot(1, 5, i)
            plt.imshow(X=im)
            plt.xticks(ticks=[])
            plt.yticks(ticks=[])
        plt.tight_layout()
        plt.show()
    
    show_images1(data=origin_data, main_title="origin_data")
    show_images1(data=brightp2_data, main_title="brightp2_data")
    show_images1(data=brightp2p2_data, main_title="brightp2p2_data")
    show_images1(data=brightp05p05_data, main_title="brightp05p05_data")
    print()
    show_images1(data=origin_data, main_title="origin_data")
    show_images1(data=contrap2_data, main_title="contrap2_data")
    show_images1(data=contrap2p2_data, main_title="contrap2p2_data")
    show_images1(data=contrap05p05_data, main_title="contrap05p05_data")
    print()
    show_images1(data=origin_data, main_title="origin_data")
    show_images1(data=saturap2_data, main_title="saturap2_data")
    show_images1(data=saturap2p2_data, main_title="saturap2p2_data")
    show_images1(data=saturap05p05_data, main_title="saturap05p05_data")
    print()
    show_images1(data=origin_data, main_title="origin_data")
    show_images1(data=huep05_data, main_title="huep05_data")
    show_images1(data=huep025p025_data, main_title="huep025p025_data")
    show_images1(data=huem025m025_data, main_title="huem025m025_data")
    
    # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
    def show_images2(data, main_title=None, b=0, c=0, s=0, h=0):
        plt.figure(figsize=(10, 5))
        plt.suptitle(t=main_title, y=0.8, fontsize=14)
        for i, (im, _) in zip(range(1, 6), data):
            plt.subplot(1, 5, i)
            cj = ColorJitter(brightness=b, contrast=c, # Here
                             saturation=s, hue=h)
            plt.imshow(X=cj(im)) # Here
            plt.xticks(ticks=[])
            plt.yticks(ticks=[])
        plt.tight_layout()
        plt.show()
    
    show_images2(data=my_data, main_title="origin_data")
    show_images2(data=my_data, main_title="brightp2_data", b=2)
    show_images2(data=my_data, main_title="brightp2p2_data", b=[2, 2])
    show_images2(data=my_data, main_title="brightp05p05_data", b=[0.5, 0.5])
    print()
    show_images2(data=my_data, main_title="origin_data")
    show_images2(data=my_data, main_title="contrap2_data", c=2)
    show_images2(data=my_data, main_title="contrap2p2_data", c=[2, 2])
    show_images2(data=my_data, main_title="contrap05p05_data", c=[0.5, 0.5])
    print()
    show_images2(data=my_data, main_title="origin_data")
    show_images2(data=my_data, main_title="saturap2_data", s=2)
    show_images2(data=my_data, main_title="saturap2p2_data", s=[2, 2])
    show_images2(data=my_data, main_title="saturap05p05_data", s=[0.5, 0.5])
    print()
    show_images2(data=my_data, main_title="origin_data")
    show_images2(data=my_data, main_title="huep05_data", h=0.5)
    show_images2(data=my_data, main_title="huep025p025_data", h=[0.25, 0.25])
    show_images2(data=my_data, main_title="huem025m025_data", h=[-0.25, -0.25])
    

    登录后复制

Booltool

常用AI图片图像处理工具箱

140

查看详情

以上就是pytorch的colorjitter的详细内容，更多请关注php中文网其它相关文章！