使用torchvision.transformsRandomSizedCrop()在Python中进行随机尺寸裁剪的方法与示例

在PyTorch中，使用torchvision.transforms.RandomSizedCrop()可以进行随机尺寸裁剪。该函数可以在图像的随机位置裁剪一个子图像，并调整子图像的尺寸到给定的大小。

torchvision.transforms.RandomSizedCrop()有以下参数：

- size：输出图像的目标尺寸。

- scale：控制裁剪尺寸的范围。随机尺寸将在scale[0] * 面积和scale[1] * 面积之间选择，其中面积是原始图像的面积。

- ratio：控制裁剪尺寸的宽高比。随机尺寸将在ratio[0]和ratio[1]之间选择，其中1表示一个正方形图像。

以下是使用torchvision.transforms.RandomSizedCrop()进行随机尺寸裁剪的示例代码：

import torch
import torchvision.transforms as transforms
from PIL import Image

# 读取图像
image = Image.open('image.jpg')

# 定义裁剪尺寸范围和目标尺寸
scale_range = (0.08, 1.0)
ratio_range = (0.75, 1.33)
target_size = 224

# 创建随机尺寸裁剪的transforms
transform = transforms.Compose([
    transforms.RandomSizedCrop(target_size, scale=scale_range, ratio=ratio_range),
    transforms.ToTensor(),
])

# 进行随机尺寸裁剪
cropped_image = transform(image)

# 查看裁剪后的图像
cropped_image = cropped_image.numpy().transpose(1, 2, 0)
cropped_image = (cropped_image * 255).astype('uint8')
Image.fromarray(cropped_image)

在本例中，我们首先使用Image.open()函数加载图像，并定义了裁剪尺寸范围和目标尺寸。然后，我们创建一个transforms.Compose()实例来组合多个变换，并将transforms.RandomSizedCrop()作为 个变换添加到transforms中。然后，我们将图像转换为Tensor对象，并进行随机尺寸裁剪。最后，我们将裁剪后的图像转换为NumPy数组，并将其保存为图像。