PyTorch图像预处理：transforms工具箱详解

在学习 PyTorch 做图像任务时，torchvision.transforms 是一个绕不开、但一开始又容易混乱的模块。最近系统学完了 transforms，这里简单记录一下自己的学习路线和一些关键体会，希望能帮到同样刚入门的小伙伴。

1. 什么是 Transforms？

在深度学习中，原始数据（如 JPG 图片）无法直接送入神经网络。torchvision.transforms 就好比一个工具箱，里面装满了各种“小工具”（函数），专门用于对输入数据进行：

• 格式转换：例如从 PIL 图片转为 Tensor 向量。

• 数据增强：例如缩放、裁剪、翻转等，增加模型的泛化能力。

⚠️ 核心关注点：数据格式

在使用 transforms 时，必须时刻关注：输入是什么，输出是什么？

• 有些工具接收 PIL Image (通过 Image.open 读取)

• 有些工具接收 Tensor (通过 ToTensor 转化)

2. 理解 Python 中的 __call__ 方法

在深入源码前，我们需要理解为什么可以像调用函数一样使用对象（如 tensor_trans(img)）。

class Myperson:
def __call__(self, name):
print("__call__被调用: hello " + name)

def hello(self, name):
print("普通方法: hello " + name)

person = Myperson()
person("李四") # 调用__call__方法
person.hello("张三") # 调用普通方法

结论：Transforms 里的各类工具（如 Resize）本质上都是实现了 __call__ 方法的类，方便我们直接调用。

3. 常用工具实战演示

🛠️ 工具一：ToTensor (最基础的操作)

将 PIL Image 或 ndarray 转换为 Tensor，并将像素值归一化到 [0, 1] 之间。

from torchvision import transforms
from PIL import Image

img = Image.open("path/to/img.jpg")
tensor_trans = transforms.ToTensor()
tensor_img = tensor_trans(img) # PIL -> Tensor

🛠️ 工具二：Normalize (标准化，只能处理 Tensor）

使用均值和标准差对 Tensor 进行标准化，加速模型收敛。

计算公式：

norm_trans = transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
norm_img = norm_trans(tensor_img)

⚠️ 注意点：

• Normalize 的输入必须是 Tensor

• 常见用法是把数据归一化到 [-1, 1]

🛠️ 工具三：Resize尺寸变换（PIL / Tensor 都支持）

resize_trans = transforms.Resize((512, 512))
resize_img = resize_trans(tensor_img)

writer.add_image("resize_img", resize_img)

Resize 比较友好的一点是：

• PIL Image 可以用

• Tensor 也可以用

但实际工程中，建议统一流程，避免混用导致错误。

🛠️ 工具四：Compose把“工具”串起来用（非常重要）

resize2_trans = transforms.Resize(512)
compose_trans = transforms.Compose([
resize2_trans,
tensor_trans
])

compose_img = compose_trans(img)
writer.add_image("compose_img", compose_img)

我的理解

• Compose 将多个 transform 步骤打包成一个流水线。

• 前一个 transform 的输出，必须是后一个的合法输入

这也是为什么一般写成：

PIL → Resize → ToTensor → Normalize

🛠️ 工具五：RandomCrop数据增强的第一步

常用于训练集的数据增强，通过从原图中随机切下一块，让模型“见多识广”。

random_crop = transforms.Compose([
transforms.RandomCrop((300, 300)),
transforms.ToTensor()
])
# 循环10次，每次生成的图像都不同
for i in range(10):
crop_img = random_crop(img)

效果是：👉 每一次裁剪的位置都不一样，用于增强模型泛化能力

4. 学习路线建议

5. 总结

transforms 学习的关键不在于死记硬背参数，而在于观察输入输出类型。把图片丢进“工具箱”，出来后变成模型喜欢的模样，这就是它的全部意义。

通过合理使用transforms，你可以：

• 统一数据格式

• 提高训练效率

• 增强模型鲁棒性

• 加速模型收敛