使用torchvision.transformsRandomAffine()实现随机仿射变换

torchvision.transforms.RandomAffine()函数用于对图像进行随机仿射变换。它可以应用于PIL Image，比如RGB图像或灰度图像。该函数接受以下参数：

- degrees（数值类型或元组）：表示旋转角度的范围。如果是单个数值，则表示从[-degrees, degrees]之间随机选择一个角度；如果是元组，则表示从该范围中随机选择一个角度。

- translate（元组或列表）：表示平移量的范围。如果是元组，则表示从该范围中随机选择一个平移量，如果是列表，则按照[x, y]的顺序选择平移量。

- scale（元组或列表）：表示缩放因子的范围。如果是元组，则表示从该范围中随机选择一个缩放因子，如果是列表，则按照[scale_x, scale_y]的顺序选择缩放因子。

- shear（数值类型或元组）：表示剪切角度的范围。如果是单个数值，则表示从[-shear, shear]之间随机选择一个角度； 如果是元组，则表示从该范围中随机选择一个角度。

- fill（数值或三元组）：用于填充新出现的像素的值。如果是数值，则表示填充的灰度值（0-255），如果是三元组，则表示RGB颜色。

以下是使用torchvision.transforms.RandomAffine()函数进行随机仿射变换的示例代码：

import torch
import torchvision.transforms as transforms
from PIL import Image

# 加载图像
image = Image.open('image.jpg')

# 定义随机仿射变换
transform = transforms.RandomAffine(degrees=(-30, 30), translate=(0.1, 0.1), scale=(0.8, 1.2), shear=(-10, 10))

# 对图像应用变换
transformed_image = transform(image)

# 显示原图像和变换后的图像
image.show()
transformed_image.show()

在上面的示例中，我们首先加载了一张图像。然后，我们定义了一个随机仿射变换，其中旋转角度的范围是(-30, 30)，平移量范围是(0.1, 0.1)，缩放因子的范围是(0.8, 1.2)，剪切角度的范围是(-10, 10)。然后，我们使用定义的变换对图像进行变换，并显示原图像和变换后的图像。

通过使用torchvision.transforms.RandomAffine()函数，我们可以轻松地在训练过程中对图像进行随机仿射变换，以增加数据集的多样性，从而提高模型的鲁棒性和泛化能力。