pytorch-自定义5×5卷积核对图片的模糊化操作

该博客介绍了如何使用PyTorch自定义5x5卷积核对图片进行模糊化操作。首先,将图片从numpy类型转换为PyTorch张量并归一化。接着,定义卷积核并应用到图片上,通过调整维度以适应卷积操作。最后,展示了处理前后的图片效果,强调了模糊处理与特征提取的区别,以及卷积核参数的意义。
摘要由CSDN通过智能技术生成

1.1 导入类库

// An highlighted block
import torch
import matplotlib.pyplot as plt
import numpy as np

# 读取一张图片并进行展示
pic=plt.imread('./数据集/taijiling.jpg')
plt.imshow(pic)
print(pic.shape)

在这里插入图片描述

1.2 图片处理

①这里需要将numpy类型的pic转为pytorch的张量类型,因为在后续利用pytorch自带的conv2d函数进行处理的时候,需要用到是的pytorch张量;
②这里还将其数值转为torch.float32的类型,因为原本的pic数值类型为uint8,pytorch的conv2d函数并不支持,会报以下错误:
(_thnn_conv2d_forward not supported on CPUType for Byte),
③这里还除以255的原因是因为plt.imshow()有以下提示
( Clipping input data to the valid range for imshow with RGB data ([0…1] for floats or [0…255] for integers).)
图片的数值类型是int类型的话,则数值范围应该在0~255之间
图片的数值类型是float类型的话,则数值范围应该在0~1之间
这里由于我们已经将张量类型转为float32了。所以张量的范围也应该在0~1之间,因此需要除以255,要不然imshow()展示时候会变成这样在这里插入图片描述

// An highlighted block
tensor_pic=torch.tensor(pic,dtype
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值