資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在 PyTorch 中調整影像的銳度？
要調整影像的銳度，我們應用 **adjust_sharpness()**。它是 **torchvision.transforms** 模組提供的功能轉換之一。**adjust_sharpness()** 轉換接受 PIL 和張量影像。
張量影像是一個形狀為 **[C, H, W]** 的 PyTorch 張量，其中 **C** 是通道數，**H** 是影像高度，**W** 是影像寬度。此轉換還接受一批張量影像。如果影像既不是 PIL 影像也不是張量影像，則我們首先將其轉換為張量影像，然後應用 **adjust_sharpness()**。銳度應為任何非負數。
語法
torchvision.transforms.functional.adjust_sharpness(img, sharpness_factor)
引數
**img** – 要調整銳度的影像。它是 PIL 影像或 torch 張量。它可以是單個影像或一批影像。
**sharpness_factor** – 一個非負數。0 將給出模糊的影像，而 1 將給出原始影像。
輸出
它返回銳度調整後的影像。
步驟
要調整影像的銳度，可以按照以下步驟操作：
匯入所需的庫。在以下所有示例中，所需的 Python 庫是 **torch**、**Pillow** 和 **torchvision**。確保您已安裝它們。
import torch import torchvision import torchvision.transforms.functional as F from PIL import Image
讀取輸入影像。輸入影像為 PIL 影像或 torch 張量。
img = Image.open('penguins.jpg')
使用所需的銳度因子調整影像的銳度。
img = F.adjust_sharpness(img, 5.0)
視覺化銳度調整後的影像。
img.show()
輸入影像
在第二個示例中，我們將使用以下影像作為輸入檔案。
示例 1
以下 Python 程式使用隨機選擇的 Gaussian 模糊使輸入影像模糊。
# 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 torch tensor
img = read_image('penguins.jpg')
# adjust sharpness
img = F.adjust_sharpness(img, 5.0)
# Convert the image tensor to PIL image
img_pil = T.ToPILImage()(img)
# display the sharpness adjusted image
img_pil.show()輸出
以上輸出是原始輸入影像的模糊影像。
示例 2
import torch
import torchvision
from torchvision.io import read_image
import torchvision.transforms.functional as F
import torchvision.transforms as T
from torchvision.utils import make_grid
# read the input image
img = read_image('penguins.jpg')
# adjust sharpness
img1 = F.adjust_sharpness(img, 0)
img2 = F.adjust_sharpness(img, 1.0)
img3 = F.adjust_sharpness(img, 4.5)
img4 = F.adjust_sharpness(img, 10.0)
# make a grid of 4 images
grid = make_grid([img1, img2, img3, img4], nrow=2)
# Convert it to PIL Image
grid_img = T.ToPILImage()(grid)
# display the grid images
grid_img.show()
grid_img輸出
更新於： 2022年1月25日
1K+ 瀏覽量
廣告