快捷方式

resized_crop

torchvision.transforms.functional.resized_crop(img: Tensor, top: int, left: int, height: int, width: int, size: List[int], interpolation: InterpolationMode = InterpolationMode.BILINEAR, antialias: Optional[bool] = True) Tensor[source]

裁剪给定图像并将其缩放到所需尺寸。如果图像是 torch Tensor,则其形状应为 […, H, W],其中 … 表示任意数量的前导维度。

主要用于 RandomResizedCrop

参数:
  • img (PIL ImageTensor) – 要裁剪的图像。(0,0) 表示图像的左上角。

  • top (int) – 裁剪框左上角的垂直分量。

  • left (int) – 裁剪框左上角的水平分量。

  • height (int) – 裁剪框的高度。

  • width (int) – 裁剪框的宽度。

  • size (sequenceint) – 所需的输出尺寸。语义与 resize 相同。

  • interpolation (InterpolationMode) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认为 InterpolationMode.BILINEAR。如果输入是 Tensor,则仅支持 InterpolationMode.NEARESTInterpolationMode.NEAREST_EXACTInterpolationMode.BILINEARInterpolationMode.BICUBIC。同样接受相应的 Pillow 整型常量,例如 PIL.Image.BILINEAR

  • antialias (bool, optional) –

    是否应用抗锯齿。它只影响采用双线性或双三次模式的 tensor,在其他情况下会被忽略:对于 PIL 图像,在双线性或双三次模式下始终应用抗锯齿;对于其他模式(PIL 图像和 tensor),抗锯齿没有意义,此参数将被忽略。可能的值有:

    • True(默认):将对抗锯齿用于双线性或双三次模式。其他模式不受影响。这可能是您想要使用的。

    • False:不会对任何模式下的 tensor 应用抗锯齿。PIL 图像在双线性或双三次模式下仍然会进行抗锯齿,因为 PIL 不支持不进行抗锯齿。

    • None:对于 tensor 等同于 False,对于 PIL 图像等同于 True。此值出于历史原因而存在,除非您非常清楚自己在做什么,否则可能不应使用它。

    为了使 PIL 和 Tensor 后端保持一致,默认值在 v0.17 版本中从 None 更改为 True

返回值:

裁剪后的图像。

返回类型:

PIL Image 或 Tensor

使用 resized_crop 的示例

变换图示

变换图示

© 版权所有 2017-至今,Torch 贡献者。

使用 Sphinx 构建,主题由 Read the Docs 提供。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源