12、裁剪图像的随机部分，并将其调整为给定大小。 transforms.RandomResizedCrop(）

最新推荐文章于 2023-12-24 16:16:53 发布

啥都亿点点的研究生

最新推荐文章于 2023-12-24 16:16:53 发布

阅读量833

点赞数

分类专栏： pytorch数据增强方法文章标签： python 计算机视觉 opencv

本文链接：https://blog.csdn.net/lichaoqi1/article/details/123889638

版权

pytorch数据增强方法专栏收录该内容

24 篇文章 35 订阅

订阅专栏

本文介绍了如何使用PyTorch的transforms.RandomResizedCrop对图像进行随机大小的裁剪操作。通过设置不同的参数scale和ratio，可以改变裁剪区域的大小和纵横比，以实现数据增强。示例代码展示了从原始图像到裁剪后的图像的转换效果，包括仅调整大小、仅调整尺度以及同时调整尺度和纵横比的情况。

摘要由CSDN通过智能技术生成

transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=<InterpolationMode.BILINEAR: 'bilinear'>)
scale：在调整大小之前，指定裁剪的随机区域的下限和上限。比例是根据原始图像的面积定义的。
ratio:调整大小之前，裁剪的随机纵横比的上下限

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.RandomResizedCrop((64,64))(img0)
img2=transform.RandomResizedCrop((64,64),scale=(0.08, 1.0))(img0)
img3=transform.RandomResizedCrop((64,64),scale=(0.08, 1.0),ratio=(0.75, 1.3333333333333333))(img0)
axs = plt.figure().subplots(1, 4)
axs[0].imshow(img0);axs[0].set_title('src');axs[0].axis('off')
axs[1].imshow(img1);axs[1].set_title('size');axs[1].axis('off')
axs[2].imshow(img2);axs[2].set_title('scale');axs[2].axis('off')
axs[3].imshow(img3);axs[3].set_title('ratio');axs[3].axis('off')
plt.show()