RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

在随机位置裁剪给定的图像。如果图像是 torch Tensor，则期望其形状为 […, H, W]，其中 … 表示任意数量的前导维度，但如果使用非恒定填充，则输入预计最多具有 2 个前导维度

参数:

• size (sequence 或 int) – 裁剪的期望输出大小。如果 size 是整数而不是像 (h, w) 这样的序列，则会进行正方形裁剪 (size, size)。如果提供长度为 1 的序列，它将被解释为 (size[0], size[0])。

• padding (int 或 sequence, 可选) –

  图像每个边界上的可选填充。默认为 None。如果提供单个整数，则用于填充所有边界。如果提供长度为 2 的序列，则分别为左右和上下的填充。如果提供长度为 4 的序列，则分别为左、上、右和下边界的填充。

  注意

  在 torchscript 模式下，不支持将 padding 作为单个整数，请使用长度为 1 的序列：[padding, ]。

• pad_if_needed (boolean) – 如果图像小于期望大小，它将填充图像以避免引发异常。由于裁剪是在填充后完成的，因此填充似乎是在随机偏移处完成的。

• fill (number 或 tuple) – 用于恒定填充的像素填充值。默认为 0。如果长度为 3 的元组，则分别用于填充 R、G、B 通道。此值仅在 padding_mode 为 constant 时使用。torch Tensor 仅支持数字。PIL 图像仅支持整数或元组值。

• padding_mode (str) –

  填充类型。应为：constant、edge、reflect 或 symmetric。默认为 constant。

  • constant：用常数值填充，此值由 fill 指定

  • edge：用图像边缘的最后一个值填充。如果输入 5D torch Tensor，则将填充最后 3 个维度而不是最后 2 个维度

  • reflect：用图像的反射填充，而不重复边缘上的最后一个值。例如，在 reflect 模式下，用两侧各 2 个元素填充 [1, 2, 3, 4] 将得到 [3, 2, 1, 2, 3, 4, 3, 2]

  • symmetric：用图像的反射填充，并重复边缘上的最后一个值。例如，在 symmetric 模式下，用两侧各 2 个元素填充 [1, 2, 3, 4] 将得到 [2, 1, 1, 2, 3, 4, 4, 3]

使用 RandomCrop 的示例

开始使用 transforms v2

开始使用 transforms v2

transforms 插图

transforms 插图

Torchscript 支持

Torchscript 支持

forward(img)

参数:

img (PIL Image 或 Tensor) – 要裁剪的图像。

返回:

裁剪后的图像。

返回类型:

PIL 图像或 Tensor

static get_params(img: Tensor, output_size: Tuple[int, int]) → Tuple[int, int, int, int]

获取随机裁剪的 crop 参数。

参数:

• img (PIL Image 或 Tensor) – 要裁剪的图像。

• output_size (tuple) – 裁剪的期望输出大小。

返回:

要传递给 crop 以进行随机裁剪的参数 (i, j, h, w)。

返回类型:

tuple