数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会研究
服装研究
法律研究PyTorch – 如何在随机位置裁剪图像？
要在随机位置裁剪图像，我们应用**RandomCrop()**变换。这是**torchvision.transforms**模块提供的众多重要变换之一。
**RandomCrop()**变换接受PIL图像和张量图像。张量图像是一个形状为**[C, H, W]**的torch张量，其中C是通道数，H是图像高度，W是图像宽度。
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**RandomCrop()**。
语法
torchvision.transforms.RandomCrop(size)(img)
其中size是所需的裁剪大小。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**int**，则裁剪后的图像将是正方形图像。
它返回在给定大小的随机位置裁剪的图像。
步骤
我们可以使用以下步骤在给定大小的随机位置裁剪图像：
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 as T 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('meteor.jpg')定义一个变换，以便在随机位置裁剪图像。矩形裁剪的裁剪大小为(200,250)，正方形裁剪的裁剪大小为250。根据您的需要更改裁剪大小。
# transform for rectangular crop transform = T.RandomCrop((200,250)) # transform for square crop transform = T.RandomCrop(250)
将上述定义的变换应用于输入图像，以便在随机位置裁剪图像。
img = transform(img)
可视化裁剪后的图像。
img.show()
输入图像
此图像用作以下所有示例中的输入。
示例1
以下Python 3程序显示了如何在随机位置裁剪输入PIL图像。
# import required libraries
import torch
import torchvision.transforms as T
from PIL import Image
# read the input image
img = Image.open('meteor.png')
# define transform to crop the image at
# random location
transform = T.RandomCrop((250,500))
img = transform(img)
img.show()输出
它将产生以下输出：
.jpg)
示例2
import torch
import torchvision.transforms as T
from PIL import Image
img = Image.open('lena.jpg')
transform = T.RandomCrop((250,500), padding=50)
img = transform(img)
img.show()输出
它将产生以下输出。请注意，填充是随机的。
.jpg)
示例3
# import required libraries
import torch
import torchvision.transforms as T
from PIL import Image
import matplotlib.pyplot as plt
# read the input image
img = Image.open('meteor.png')
# define the transform with crop size
transform = T.RandomCrop((100,150))
# crop four images
imgs = [transform(img) for _ in range(4)]
# display these cropped images
fig = plt.figure(figsize=(7,3))
rows, cols = len(imgs),1
for j in range(0, len(imgs)):
fig.add_subplot(rows, cols, j+1)
plt.imshow(imgs[j])
#plt.xticks([])
#plt.yticks([])
plt.show()输出
它将产生以下输出：
.jpg)
更新于：2022年1月6日
3K+ 次浏览
广告