代码及效果如下：

先导包

import cv2
import albumentations
from albumentations.pytorch.transforms import ToTensorV2
import matplotlib.pyplot as plt

原图：

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
plt.figure(figsize=(5, 5)) 
plt.imshow(image) # 原始图片

在这里插入图片描述

水平翻转

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 水平翻转
image1 = albumentations.HorizontalFlip(always_apply=True ,p=1.0)(image=image)['image']
plt.figure(figsize=(5, 5))
plt.imshow(image1)

在这里插入图片描述

变换尺寸

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
print(image.shape) 
# 变换尺寸，变换后的尺寸为320,320
image = albumentations.Resize(320, 320)(image=image)["image"]
print(image.shape)
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

垂直翻转

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 垂直翻转
image = albumentations.VerticalFlip(p=1.0)(image=image)["image"]
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

旋转

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = albumentations.Rotate(limit=180, p=1)(image=image)["image"] # 在(-180, 180)之间随机旋转
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

RandomBrightnessContrast

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = albumentations.RandomBrightnessContrast(brightness_limit=0.8, contrast_limit=.2, brightness_by_max=True,p=1)(image=image)["image"]
# RandomBrightnessContrast默认参数亮度和对比度都是0.2，将亮度调到0.8后发现猫明显变亮
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

ShiftScaleRotate

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# shift_limit 移动因子(我看着不像是平移倒像是镜像即以某个点为中心，中心对称)，设置高和宽的移动因子取值范围，如果shift_limit是一个浮点数，
# 则移动因子的取值范围为(-shift_limit, shift_limit)，shift_limit的取值范围的绝对值应在[0,1]之间，默认值是(-0.0625, 0.0625).
# scale_limit 缩放因子范围，这个倒像是进行缩放的,其取值范围为[0, 1] 默认为(-0.1, 0.1)
# rotate_limit 旋转角度 默认为(-45, 45)
image = albumentations.ShiftScaleRotate(
                shift_limit=0.0625, scale_limit=0.1, rotate_limit=45, p=1.0 # 对图片进行平移（translate）、缩放（scale）和旋转（roatate）
            )(image=image)["image"] 
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

Normalize

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 这个就是标准化操作，显示出来的不是正常的图片是值缩放到[0,1]之间后的图片，一般处理完图片后会再缩放回去，
# 这里显示下就是为了体现进行了标准化操作
#  [0.485, 0.456, 0.406] 均值，[0.229, 0.224, 0.225] 标准差 max_pixel_value最大像素值，图片的最大像素值为255
image = albumentations.Normalize(
                [0.485, 0.456, 0.406], [0.229, 0.224, 0.225], 
                max_pixel_value=255.0, always_apply=True 
            )(image=image)["image"] 
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

ToTensorV2

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
print(type(image))
print(image.shape)
# 从这两个输出上可以看出来ToTensorV2的作用就是转换维度即将numpy的HWC转换成pytorch 的`CHW`.
image = ToTensorV2()(image=image)["image"] 
print(image.shape)
# plt.figure(figsize=(5, 5)) # 转换完格式后是不能进行画图的，因为画图的格式就是numpy的HWC格式
# plt.imshow(image)

在这里插入图片描述

RandomRotate90

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = albumentations.RandomRotate90(p=1)(image=image)["image"]  # 随机旋转90度
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

Transpose

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = albumentations.Transpose(p=1)(image=image)["image"]  # 交换行和列 即转置
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

GridDistortion

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 网格畸变 感觉能变瘦和变胖是随机的
image = albumentations.GridDistortion(p=1)(image=image)["image"]  
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

HueSaturationValue

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 随机改变图片的 HUE(色相)、饱和度和值
image = albumentations.HueSaturationValue(p=1)(image=image)["image"]  
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

GaussNoise

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 高斯噪音 看不出来区别
image = albumentations.GaussNoise(var_limit=(10, 1000), p=1)(image=image)["image"]  
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

Blur

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# MotionBlur 这个模糊的轻些
# image = albumentations.MotionBlur(blur_limit=100, p=1)(image=image)["image"]  
# MedianBlur 不支持 blur_limit 这个参数
# image = albumentations.MedianBlur(blur_limit=100, p=1)(image=image)["image"]
# 模糊图片，blur_limit的取值范围为：[3, inf)，默认为(3, 7)
image = albumentations.Blur(blur_limit=100, p=1)(image=image)["image"]
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

CLAHE

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 能看出来毛色变黑了些 百度翻译：对输入图像应用对比度受限自适应直方图均衡化
image = albumentations.CLAHE(clip_limit=2, p=1)(image=image)["image"]
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

CenterCrop

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 中心裁切，heigit:要裁切的高度， width：要裁切的宽度
image = albumentations.CenterCrop(height=320, width=320, p=1)(image=image)["image"]
print(image.shape)
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

RandomSizedCrop

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
print(image.shape)
# 随机大小裁切 裁切后的 height=1200, width=1200， min_max_height：在(50, 1200)这个范围中随机裁切一个尺寸，裁切下来后再放大到height
image = albumentations.RandomSizedCrop(min_max_height=(50, 1200), height=1200, width=1200, p=1)(image=image)["image"]
print(image.shape)
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

Compose

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
print(image.shape)
# 组合操作
image = albumentations.Compose([
        # 对比度受限直方图均衡
            #（Contrast Limited Adaptive Histogram Equalization）
        albumentations.CLAHE(),
        # 随机旋转 90°
        albumentations.RandomRotate90(),
        # 转置
        albumentations.Transpose(),
        # 随机仿射变换
        albumentations.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.50, rotate_limit=45, p=.75),
        # 模糊
        albumentations.Blur(blur_limit=3),
        # 光学畸变
        albumentations.OpticalDistortion(),
        # 网格畸变
        albumentations.GridDistortion(),
        # 随机改变图片的 HUE、饱和度和值
        albumentations.HueSaturationValue()
    ], p=1.0)(image=image)['image']
print(image.shape)
plt.figure(figsize=(5, 5))
plt.imshow(image)

在这里插入图片描述

OneOf

image = cv2.imread('./cat3.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
print(image.shape)
# 单一操作 即在这下边这几个中选择一个进行变换
image = albumentations.OneOf([
        # 对比度受限直方图均衡
            #（Contrast Limited Adaptive Histogram Equalization）
        albumentations.CLAHE(),
        # 随机旋转 90°
        albumentations.RandomRotate90(),
        # 转置
        albumentations.Transpose(),
        # 随机仿射变换
        albumentations.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.50, rotate_limit=45, p=.75),
        # 模糊
        albumentations.Blur(blur_limit=3),
        # 光学畸变
        albumentations.OpticalDistortion(),
        # 网格畸变
        albumentations.GridDistortion(),
        # 随机改变图片的 HUE、饱和度和值
        albumentations.HueSaturationValue()
    ], p=1.0)(image=image)['image']
print(image.shape)
plt.figure(figsize=(5, 5))
plt.imshow(image)