数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在 PyTorch 中调整图像的色调？
图像的色调指的是三种原色（红、蓝、黄）和三种次色（橙、绿、紫）。要调整图像的色调，我们应用 **adjust_hue()**。它是 **torchvision.transforms** 模块提供的函数转换之一。
**adjust_hue()** 转换接受 PIL 和张量图像。张量图像是一个形状为 **[C, H, W]** 的 PyTorch 张量，其中 **C** 是通道数，**H** 是图像高度，**W** 是图像宽度。此转换还接受一批张量图像。
图像色调通过将图像转换为 **HSV（色相、饱和度、亮度）** 并循环移动色相通道 (H) 中的强度来调整。然后将图像转换回原始图像模式。
如果图像既不是 PIL 图像也不是张量图像，那么我们首先将其转换为张量图像，然后应用 **adjust_hue()**。色调应在 **[-0.5, 0.5]** 范围内。**-0.5** 和 **0.5** 将给出具有互补色的图像，而 0 给出原始图像。
语法
torchvision.transforms.functional.adjust_hue(img, hue_factor)
参数
**img** - 要调整色调的图像。它是 PIL 图像或 torch 张量。它可以是单个图像或一批图像
**hue_factor** - 范围在 [−0.5, 0.5] 内的浮点数。0 给出一个纯灰色的图像，而 -0.5 和 0.5 将给出具有互补色的图像。
Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.
输出
它返回色调调整后的图像。
步骤
要调整图像的色调，可以按照以下步骤操作
导入所需的库。在以下所有示例中，所需的 Python 库是 **torch、Pillow** 和 **torchvision**。确保您已安装它们。
import torch import torchvision import torchvision.transforms.functional as F from PIL import Image
读取输入图像。输入图像为 PIL 图像或 torch 张量。
img = Image.open('meekats.jpg')
使用所需的色调因子调整图像的色调。
img = F.adjust_hue(img, -0.1)
可视化色调调整后的图像。
img.show()
输入图像
在以下示例中，我们将使用此图像作为输入文件。
示例 1
在此程序中，我们使用 **hue_factor=0.3** 调整输入图像的色调。
# Import the required libraries import torch import torchvision from PIL import Image import torchvision.transforms.functional as F # read input image img = Image.open('meerkats.jpg') # adjust the t=hue img = F.adjust_hue(img, 0.3) display the hue adjusted image img.show()
输出
示例 2
在此程序中，我们使用 **hue_factor=-0.1** 调整输入图像的色调。
# Import the required libraries import torch import torchvision from torchvision.io import read_image import torchvision.transforms.functional as F import torchvision.transforms as T # read input image as an image tensor img = read_image('meekats.jpg') # hue_factor [-0.5, 0.5] # adjust hue using hue_factor=-0.1 img1 = F.adjust_hue(img, -0.1) # convert the image tensor to PIL image img1 = T.ToPILImage()(img1) # display the PIL image with adjusted hue img1.show()
输出
示例 3
# Import the required libraries import torch import torchvision from torchvision.io import read_image import torchvision.transforms.functional as F import torchvision.transforms as T # read input image as an image tensor img = read_image('meerkats.jpg') # hue_factor [-0.5, 0.5] # Take 3 output image with adjusted different hue_factors img1 = F.adjust_hue(img, -0.1) img2 = F.adjust_hue(img, 0) # returns original image img3 = F.adjust_hue(img, 0.1) img4 = F.adjust_hue(img, 0.5) # create a grid of above the output images grid_img = torchvision.utils.make_grid([img1, img2, img3, img4], nrow=2) # convert the grid of image tensors to PIL Image grid_img = T.ToPILImage()(grid_img) grid_img.show()
输出
2K+ 次浏览
