如何存储Torchvision/Albumentations中应用的精确变换参数？

torchvision 实现方式 #

torchvision的随机变换默认不会主动返回变换参数，但可以通过自定义包装类捕获每一次变换的具体参数：

• 随机裁剪（RandomCrop）
  自定义包装类继承RandomCrop，在调用时记录裁剪的坐标参数：

  import torchvision.transforms as transforms
  
  class TrackableRandomCrop(transforms.RandomCrop):
      def __call__(self, img):
          # 获取并保存裁剪参数：(top, left, height, width)
          self.crop_params = self.get_params(img, self.size)
          return transforms.functional.crop(img, *self.crop_params)
  
  # 使用示例
  crop_transform = TrackableRandomCrop(size=(224, 224))
  aug_img = crop_transform(original_img)
  # 获取本次裁剪的精确参数
  crop_top, crop_left, crop_h, crop_w = crop_transform.crop_params
  

• 亮度对比度调整（ColorJitter）
  同样通过包装类捕获亮度、对比度等随机因子：

  class TrackableColorJitter(transforms.ColorJitter):
      def __call__(self, img):
          # 获取并保存调整参数：(brightness_factor, contrast_factor, saturation_factor, hue_factor)
          self.jitter_params = self.get_params(self.brightness, self.contrast, self.saturation, self.hue)
          # 按顺序应用变换
          img = transforms.functional.adjust_hue(img, self.jitter_params[3])
          img = transforms.functional.adjust_saturation(img, self.jitter_params[2])
          img = transforms.functional.adjust_contrast(img, self.jitter_params[1])
          img = transforms.functional.adjust_brightness(img, self.jitter_params[0])
          return img
  
  # 使用示例
  jitter_transform = TrackableColorJitter(brightness=0.2, contrast=0.2)
  aug_img = jitter_transform(original_img)
  # 获取本次调整的精确参数
  brightness, contrast, saturation, hue = jitter_transform.jitter_params
  

  其他随机变换（如RandomHorizontalFlip）可以用类似逻辑，记录是否执行了翻转的布尔值即可。

albumentations 实现方式 #

albumentations原生支持返回变换的精确参数，无需额外包装，只需在定义变换时启用返回元数据的选项：

import albumentations as A
from albumentations.pytorch import ToTensorV2

# 定义变换时设置return_dict=True，启用元数据返回
transform = A.Compose([
    A.RandomCrop(height=224, width=224),
    A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2),
    ToTensorV2()
], return_dict=True)

# 应用变换，返回包含增强图像和变换元数据的字典
result = transform(image=original_img)
aug_img = result['image']
# 获取所有变换的精确参数，存储在'replay'字段中
transform_params = result['replay']

transform_params中包含了每一步变换的具体参数：比如RandomCrop的x_min、y_min、height、width，RandomBrightnessContrast的alpha（亮度因子）、beta（对比度因子）等。如果需要复用这些参数对其他图像执行完全相同的变换，可以调用transform.replay(transform_params, image=another_image)。

内容的提问来源于stack exchange，提问作者Sarthak Mehrotra