transforms中RandomResizedCrop、Resize、CenterCrop的理解
首先要记住,transforms只能对PIL读入的图片进行操作,而且PIL和opencv只能读取H * W * C形式的图片transforms.RandomResizedCrop(size): 将原图片随机裁剪出一块,再缩放成相应 (size*size) 的比例import matplotlib.pyplot as pltfrom PIL import Imagefrom torchvision
·
首先要记住,transforms只能对PIL读入的图片进行操作,而且PIL和opencv只能读取H * W * C形式的图片
transforms.RandomResizedCrop(size) : 将原图片随机裁剪出一块,再缩放成相应 (size*size) 的比例
import matplotlib.pyplot as plt
from PIL import Image
from torchvision import transforms
file_path = "./flower.jpg"
img = Image.open(file_path)
print("origin_img_size:", img.size) # (280, 320)
trans = transforms.RandomResizedCrop(224) # 随机裁剪,再缩放成 224×224
img1 = trans(img)
print("随机裁剪后的大小:", img1.size) # (224, 224)
plt.subplot(1, 2, 1), plt.imshow(img)
plt.subplot(1, 2, 2), plt.imshow(img1)
plt.show()
transforms.Resize(size):将图片的短边缩放成size的比例,然后长边也跟着缩放,使得缩放后的图片相对于原图的长宽比不变。
如果想要resize成自己想要的图片大小,可以直接使用transforms.Resize((size,size))
transforms.CenterCrop(size):从图片中心开始沿两边裁剪,裁剪后的图片大小为(size*size)
import matplotlib.pyplot as plt
from PIL import Image
from torchvision import transforms
file_path = "./flower.jpg"
img = Image.open(file_path)
print("origin_img_size:", img.size)
trans = transforms.Compose([transforms.Resize((256, 256), Image.BILINEAR),
transforms.CenterCrop(100)])
img1 = trans(img)
print("随机裁剪后的大小:", img1.size)
plt.subplot(1, 2, 1), plt.imshow(img)
plt.subplot(1, 2, 2), plt.imshow(img1)
plt.show()
更多推荐
所有评论(0)