RandomAffine

class paddle.vision.transforms. RandomAffine ( degrees, translate=None, scale=None, shear=None, interpolation='nearest', fill=0, center=None, keys=None ) [源代码]

依据 degrees 等参数,随机产生一个仿射变换矩阵参数,对图像进行仿射变换。

参数

  • degrees (tuple|float|int) - 随机旋转变换的角度大小。

    如果是 number 类型,则随机区间为 (-degrees, +degrees) ,如果是像 (min, max) 的 sequence 类型,则随机区间为 [min, max] ,如果是 0 则不执行旋转。

  • translate (sequence|float|int,可选) - 随机水平平移和垂直平移变化的位移大小。

    给定 (a, b) ,则水平位移量 dx 在 (-img_width * a, img_width * a) 范围中随机采样,垂直位移量 dy 在 (-img_height * b < dy < img_height * b) 范围中随机采样; 默认值为 None ,表示不会进行平移变换。

  • scale (tuple,可选) - 随机伸缩变换的比例大小,必须是 tuple 类型,给定 (a, b) 必须均为正数且 a<b ,随机在 [a, b] 区间选择一个伸缩比例系数。

    默认值为 None ,表示不会进行平移变换。

  • shear (sequence|float|int,可选) - 随机剪切角度的大小范围,区间是顺时针方向的 [-180, 180] 。

    如果 shear 是 number 类型,则与 x 轴平行方向范围 (-shear, +shear) 内进行剪切; 如果 shear 是 2 个值的 sequence 类型,则与 x 轴平行方向范围 (shear[0], shear[1]) 内进行剪切; 如果 shear 为 4 个值的 sequence 类型,则与 x 轴平行方向范围 (shear[2], shear[1]) 内进行剪切,与 y 轴平行方向范围 (shear[2], shear[3]) 内进行剪切; 默认值为 None ,表示不会进行剪切。

  • interpolation (str,可选) - 插值的方法。

    如果这个参数没有设定或者输入图像为单通道,则该参数会根据使用的后端,被设置为 PIL.Image.NEAREST 或者 cv2.INTER_NEAREST 。 当使用 pil 作为后端时, 支持的插值方法如下:

    • "nearest": Image.NEAREST

    • "bilinear": Image.BILINEAR

    • "bicubic": Image.BICUBIC

    当使用 cv2 作为后端时, 支持的插值方法如下:
    • "nearest": cv2.INTER_NEAREST

    • "bilinear": cv2.INTER_LINEAR

    • "bicubic": cv2.INTER_CUBIC

  • fill (int|list|tuple,可选) - 对图像扩展时填充的像素值,默认值: 0 ,如果只设定一个数字则所有通道上像素值均为该值。

  • center (2-tuple,可选) - 仿射变换的中心点坐标,原点是图片左上角,默认值是图像的中心点。

  • keys (list[str]|tuple[str],可选) - 与 BaseTransform 定义一致。默认值: None 。

形状

  • img (PIL.Image|np.ndarray|Paddle.Tensor) - 输入的图像数据,数据格式为 [H, W, C] 。

  • output (PIL.Image|np.ndarray|Paddle.Tensor) - 返回仿射变换后的图像数据。

返回

计算 RandomAffine 的可调用对象。

代码示例

import paddle
from paddle.vision.transforms import RandomAffine

transform = RandomAffine([-90, 90], translate=[0.2, 0.2], scale=[0.5, 0.5], shear=[-10, 10])

fake_img = paddle.randn((3, 256, 300)).astype(paddle.float32)

fake_img = transform(fake_img)
print(fake_img.shape)