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 中裁剪图像中心？
要裁剪图像中心，我们使用 **CenterCrop()**。它是 torchvision.transforms 模块提供的众多转换之一。此模块包含许多可用于对图像数据进行操作的重要转换。
**CenterCrop()** 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。一批张量图像是一个形状为 **[B, C, H, W]** 的张量。**B** 是批次中的图像数量。如果图像既不是 PIL 图像也不是张量图像，则我们首先将其转换为张量图像，然后应用 **CenterCrop()** 转换。
语法
torchvision.transforms.CenterCrop(size)
参数
**size** – 期望的裁剪尺寸。**size** 是一个类似于 **(h, w)** 的序列，其中 **h** 和 **w** 分别是裁剪图像的高度和宽度。如果 **size** 是一个 **int**，则裁剪后的图像将为正方形图像。
它返回给定大小的裁剪图像。
步骤
我们可以使用以下步骤在中心裁剪给定大小的图像。
导入所需的库。在以下所有示例中，所需的 Python 库为 **torch、Pillow** 和 **torchvision**。确保您已安装它们。
import torch import torchvision import torchvision.transforms as transforms from PIL import Image
读取输入图像。输入图像为 PIL 图像或形状为 [..., H, W] 的 torch 张量。
img = Image.open('lena.jpg')定义一个转换以在中心裁剪图像。对于矩形裁剪，裁剪大小为 (200,250)，对于正方形裁剪，裁剪大小为 250。根据您的需要更改裁剪大小。
# transform for rectangular crop transform = transforms.CenterCrop((200,250)) # transform for square crop transform = transforms.CenterCrop(250)
将上面定义的转换应用于输入图像以在中心裁剪图像。
img = transform(img)
可视化裁剪后的图像
img.show()
输入图像
以下图像用作两个示例中的输入图像。
示例 1
以下 Python 程序演示了如何在中心裁剪图像。裁剪后的图像为正方形图像。在此程序中，我们将输入图像读取为 PIL 图像。
# Python program to crop an image at center
# import required libraries
import torch
import torchvision.transforms as transforms
from PIL import Image
# Read the image
img = Image.open('waves.png')
# define a transform to crop the image at center
transform = transforms.CenterCrop(250)
# crop the image using above defined transform
img = transform(img)
# visualize the image
img.show()输出
它将产生以下输出 -
.jpg)
示例 2
此 Python 程序在中心裁剪图像，并给出指定的高度和宽度。在此程序中，我们将输入图像读取为 PIL 图像。
# Python program to crop an image at center
# import torch library
import torch
import torchvision.transforms as transforms
from PIL import Image
# Read the image
img = Image.open('waves.png')
# define a transform to crop the image at center
transform = transforms.CenterCrop((150,500))
# crop the image using above defined transform
img = transform(img)
# visualize the image
img.show()输出
生成的输出图像将为 150px 高和 500px 宽。
.jpg)
示例 3
在此程序中，我们将输入图像读取为 OpenCV 图像。我们定义一个转换，它是三个转换的组合。我们首先将图像转换为张量图像，然后应用 **CenterCrop()**，最后将裁剪后的张量图像转换为 PIL 图像。
# import the required libraries
import torch
import torchvision.transforms as transforms
import cv2
# read the inputimage
img = cv2.imread('waves.png')
# convert image from BGR to RGB
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# Define a transform. It is a composition
# of three transforms
transform = transforms.Compose([
transforms.ToTensor(), # Converts to PyTorch Tensor
transforms.CenterCrop(250), # crops at center
transforms.ToPILImage() # converts the tensor to PIL image
])
# apply the above transform to crop the image
img = transform(img)
# display the cropped image
img.show()输出
它将产生以下输出 -
.jpg)
4K+ 次查看
