PyTorch – torchvision.transforms – GaussianBlur()

torchvision.transforms 模組提供了許多重要的轉換，可用於對影像資料執行不同型別的操作。GaussianBlur() 轉換用於使用隨機選擇的 Gaussian 模糊來模糊影像。

GaussianBlur() 轉換接受 PIL 和張量影像或一批張量影像。張量影像是一個形狀為 [3, H, W] 的 PyTorch 張量，其中 H 是影像高度，W 是影像寬度。一批張量影像也是一個 torch 張量，形狀為 [B, 3, H, W]，其中 B 是批次中的影像數量。

語法

torchvision.transforms.GaussianBlur(kernel_size, sigma=(0.1,.2))(img)

• kernel_size – 高斯核的大小。它必須是兩個整數的列表或元組。

• sigma – 用於建立高斯核的標準差。

• img – 要模糊的 PIL 影像或張量影像。

它返回一個高斯模糊影像。

步驟

我們可以使用以下步驟使用隨機選擇的高斯模糊來模糊影像：

• 匯入所需的庫。在以下所有示例中，所需的 Python 庫為 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。輸入影像是 PIL 影像或 torch 張量。

img = Image.open('spice.jpg')

• 定義一個轉換，以使用隨機選擇的高斯模糊來模糊輸入影像。

transform = T.GaussianBlur(kernel_size=(7, 13), sigma=(0.1, 0.2))

• 將上面定義的轉換應用於輸入影像以模糊輸入影像。

blurred_img = transform(img)

• 顯示模糊的影像。

blurred_img.show()

輸入影像

此影像用作以下所有示例中的輸入檔案。

示例 1

此示例演示如何使用隨機選擇的高斯模糊來模糊輸入影像。

# import required libraries
import torch
import torchvision.transforms as T
from PIL import Image

# read the input image
img = Image.open('spice.jpg')

# define the transform to blur image
transform = T.GaussianBlur(kernel_size=(7, 13), sigma=(9, 11))

# blur the input image using the above defined transform
img = transform(img)

# display the blurred image
img.show()

輸出

它將產生以下輸出：

以上輸出是原始輸入影像的模糊影像。

示例 2

讓我們再舉一個例子：

import torch
import torchvision.transforms as T
from PIL import Image
import matplotlib.pyplot as plt

# read the input image
img = Image.open('spice.jpg')

# define a transform with kernel size and sigma
transform = T.GaussianBlur(kernel_size=(19, 23), sigma=(20, 25))

# apply the above transform on input image
blurred_imgs = [transform(img) for _ in range(4)]
fig = plt.figure(figsize=(7,4))
rows, cols = 2,2
for j in range(0, len(blurred_imgs)):
   fig.add_subplot(rows, cols, j+1)
   plt.imshow(blurred_imgs[j])
   plt.xticks([])
   plt.yticks([])
plt.show()

輸出

它將產生以下輸出：

每個輸出影像都使用從給定範圍內隨機選擇的高斯模糊進行模糊。

Shahid Akhtar Khan

更新於: 2022年1月6日

6K+ 瀏覽量

開啟你的 職業生涯

透過完成課程獲得認證

開始學習