pytorch.tensor格式图像的resize操作

最新推荐文章于 2025-03-27 11:40:57 发布

wzg2016

最新推荐文章于 2025-03-27 11:40:57 发布

阅读量2.6w

点赞数 16

文章标签： pytorch 图像resize

本文链接：https://blog.csdn.net/Strive_For_Future/article/details/120943654

版权

PyTorch transforms.Resize 图像处理神经网络张量

关键词由CSDN通过智能技术生成

这篇博客介绍了如何在PyTorch中利用torchvision.transforms.Resize对图像张量进行尺寸调整。通过示例代码展示了从读取图像到转换为张量，再使用Resize操作进行resize，最后将结果转回numpy数组并保存的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在pytorch中，输入网络的图像的shape=[B,C,H,W].

有时我们需要在网络中对图像张量进行resize操作，这时就要用到transforms.Resize([H,W]) 操作。示例如下：

import cv2
import numpy as np
import torch
from torchvision.transforms import Resize 

im1 = cv2.imread("./datasets/frame_0001.png").transpose([2,0,1]) # shape=[C,H,W]
im1_torch = torch.from_numpy(im1.astype(np.float32)).unsqueeze(0) # shape=[B,C,H,W]
# im1_torch可以看作是输入torch神经网络的tensor.

torch_resize = Resize([256,256]) # 定义Resize类对象
im1_resize = torch_resize(im1_torch)
# torchvision.transforms.Resize([H,W])的作用是把最后两个维度resize成[H,W].
# 所以，这对图像的通道顺序有要求。

im1_resize_np = im1_resize.data.cpu().numpy()[0].transpose(1, 2, 0) # shape=[H,W,C]

print(im1.shape)
print(im1_resize.shape)
print(im1_resize_np.shape)

cv2.imwrite("./datasets/frame_0001_resize.jpg",im1_resize_np)

参考： Pytorch transforms.Resize()的简单用法_xiongxyowo的博客-CSDN博客_transforms.resize