資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會研究
服裝研究
法律研究PyTorch – 如何在隨機位置裁剪影像？
要在隨機位置裁剪影像，我們應用**RandomCrop()**變換。這是**torchvision.transforms**模組提供的眾多重要變換之一。
**RandomCrop()**變換接受PIL影像和張量影像。張量影像是一個形狀為**[C, H, W]**的torch張量，其中C是通道數，H是影像高度，W是影像寬度。
如果影像既不是PIL影像也不是張量影像，那麼我們首先將其轉換為張量影像，然後應用**RandomCrop()**。
語法
torchvision.transforms.RandomCrop(size)(img)
其中size是所需的裁剪大小。size是一個類似於**（h，w）**的序列，其中**h**和**w**分別是裁剪影像的高度和寬度。如果**size**是**int**，則裁剪後的影像將是正方形影像。
它返回在給定大小的隨機位置裁剪的影像。
步驟
我們可以使用以下步驟在給定大小的隨機位置裁剪影像：
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 as T 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('meteor.jpg')定義一個變換，以便在隨機位置裁剪影像。矩形裁剪的裁剪大小為(200,250)，正方形裁剪的裁剪大小為250。根據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)
將上述定義的變換應用於輸入影像，以便在隨機位置裁剪影像。
img = transform(img)
視覺化裁剪後的影像。
img.show()
輸入影像
此影像用作以下所有示例中的輸入。
示例1
以下Python 3程式顯示瞭如何在隨機位置裁剪輸入PIL影像。
# 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()輸出
它將產生以下輸出：
.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()輸出
它將產生以下輸出。請注意，填充是隨機的。
.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()輸出
它將產生以下輸出：
.jpg)
更新於：2022年1月6日
3K+ 次瀏覽
廣告