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
社会学
时尚研究
法律研究PyTorch – torchvision.transforms – RandomGrayscale()
为了以一定概率随机将图像转换为灰度图像，我们应用**RandomGrayscale()**变换。它是**torchvision.transforms**模块提供的众多变换之一。此模块包含许多重要的变换，可用于对图像数据执行不同的操作。
**RandomGrayscale()**接受 PIL 和张量图像或一批张量图像。张量图像是一个形状为**[3, H, W]**的 PyTorch 张量，其中 H 是图像高度，W 是图像宽度。一批张量图像也是一个 torch 张量，形状为**[B, 3, H, W]**。**B**是批次中的图像数量。
语法
torchvision.transforms.RandomGrayscale(p)(img)
如果**p** = 1，则返回灰度图像。
如果**p** = 0，则返回原始图像。
如果**p**在(0,1)范围内，则返回灰度图像的概率为**p**。它以给定的概率 p 返回随机灰度图像。
步骤
我们可以使用以下步骤以给定的概率随机将图像转换为灰度图像：
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 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('bargraph.png')定义一个变换，以给定的概率 p 将原始输入图像随机转换为灰度图像。
transform = T.RandomGrayscale(p = 0.25)
将上面定义的变换应用于输入图像以将其转换为灰度图像。
img = transform(img)
显示灰度图像。
img.show()
输入图像
此图像用作以下所有示例中的输入。
示例 1
在这个 Python3 程序中，我们使用 p = 1。它一定会将图像转换为灰度图像。
# import required libraries
import torch
import torchvision.transforms as T
from PIL import Image
# read the input image
img = Image.open('bargraph.png')
# define the transform to randomly convert the input image
# to grayscale with a probability
transform = T.RandomGrayscale(p=1)
# apply the above transform on input image
img = transform(img)
img.show()输出
它将产生以下输出：
.jpg)
示例 2
在这个程序中，我们使用 p = 0.25%。这意味着，图像被转换为灰度图像的概率为 25%。
import torch
import torchvision.transforms as T
from PIL import Image
import matplotlib.pyplot as plt
img = Image.open('bargraph.png')
transform = T.RandomGrayscale(p=0.25)
imgs = [transform(img) for _ in range(4)]
fig = plt.figure(figsize=(7,3))
rows, cols = 2,2
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)
请注意，在 4 个输出图像中，有一个图像为灰度图像。这是因为我们设置了 p = 0.25。
更新于： 2022年1月6日
423 次浏览
广告