8、随机裁剪 transforms.RandomCrop(）

transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')
size：期望随机裁剪之后输出的尺寸
padding：填充边界的值，单个（int）,两个（[左/右，上/下]），四个（各个边界）
pad_if_needed :bool值，避免数组越界
fill:填充
padding_mode ：填充模式
“constant”:利用常值进行填充
“edge”:利用图像边缘像素点进行填充
“reflect”：利用反射的方式进行填充[1, 2, 3, 4] 》[3, 2, 1, 2, 3, 4, 3, 2]
“symmetric”：对称填充方法[1, 2, 3, 4] 》》[2, 1, 1, 2, 3, 4, 4, 3]

import torchvision.transforms as transform
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import torch
img0=Image.open('lin-xiao-xun-000003.jpg')
img1=transform.RandomCrop((128,128))(img0)
img2=transform.RandomCrop((500,128),padding=25,fill=125,padding_mode="edge")(img0)
axs = plt.figure().subplots(1, 3)
axs[0].imshow(img0);axs[0].set_title('src');axs[0].axis('off')
axs[1].imshow(img1);axs[1].set_title('RandomCrop');axs[1].axis('off')
axs[2].imshow(img2);axs[2].set_title('padding_mode');axs[2].axis('off')
plt.show()

实图演示：