Pytorch实现上采样upsample和下采样downsample 简单调用函数即可实现，超简单的代码块调用

梦星辰.

已于 2024-06-21 21:32:41 修改

阅读量1.1w

点赞数 5

分类专栏：深度学习计算机图像处理CV 文章标签： pytorch 人工智能 python

于 2021-05-30 17:59:35 首次发布

本文链接：https://blog.csdn.net/weixin_45792450/article/details/117401291

版权

深度学习同时被 2 个专栏收录

18 篇文章

订阅专栏

计算机图像处理CV

1 篇文章

订阅专栏

该博客介绍了两个用于图像处理的函数，分别实现了上采样和下采样操作。这两个函数使用PyTorch的`torch.nn.functional.interpolate`，支持最近邻、双线性和双三次插值模式，适用于3通道或4通道的RGB或包含Alpha通道的图像。文章强调了尺寸变化过程中数据归一化的必要性，以确保数值在[0,1]范围内。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >


# 上采样函数，输入数据格式示例：tensor维度[3,300,300]，即3通道RGB，大小300×300，当然4通道图像也能做
def upsample(image_tensor, width, height, mode):
    # mode可用：最近邻插值"nearest"，双线性插值"bilinear"，双三次插值"bicubic"，如mode="nearest"
    image_upsample_tensor = torch.nn.functional.interpolate(image_tensor.unsqueeze_(0), size=[width, height], mode=mode)
    image_upsample_tensor.squeeze_(0)
    # 将数据归一到正常范围，尺寸改变过程可能数值范围溢出，此处浮点数据位[0,1]，整数数据为[0,255]
    image_upsample_tensor = image_upsample_tensor.clamp(0, 1)  
    return image_upsample_tensor


# 下采样函数，输入数据格式示例：tensor维度[3,300,300]，即3通道RGB，大小300×300，当然4通道图像也能做
def downsample(image_tensor, width, height):
    image_upsample_tensor = torch.nn.functional.interpolate(image_tensor.unsqueeze_(0), size=[width, height])
    image_upsample_tensor.squeeze_(0)
    # 将数据归一到正常范围，尺寸改变过程可能数值范围溢出，此处浮点数据位[0,1]，整数数据为[0,255]
    image_upsample_tensor = image_upsample_tensor.clamp(0, 1)
    return image_upsample_tensor