pytorch的colorjitter（pytorch.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 必须为0 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 必须为0 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 必须为0 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 >必须为-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])
      

  

  

  

  

  

  

  

  

  

  

  

  

以上就是pytorch的colorjitter的详细内容，更多请关注知识资源分享宝库其它相关文章！