torchvision.transforms 的CenterCrop()：在图片的中间区域进行裁剪

PyTorch图像预处理
最新推荐文章于 2025-04-24 21:30:23 发布
转载 最新推荐文章于 2025-04-24 21:30:23 发布 · 1.4w 阅读 · 55 ·
CC 4.0 BY-SA版权
原文链接：https://www.jianshu.com/p/1ae863c1e66d

本文详细介绍PyTorch中torchvision.transforms模块的功能，包括Resize、Normalize、ToTensor等常用图像预处理函数，以及如何使用Compose整合多个处理步骤。

pytorch中transform函数

 

torchvision.transforms是pytorch中的图像预处理包

一般用Compose把多个步骤整合到一起：

比如说

transforms.Compose([

transforms.CenterCrop(10),

transforms.ToTensor(),

])

这样就把两个步骤整合到一起

接下来介绍transforms中的函数

Resize：把给定的图片resize到given size

Normalize：Normalized an tensor image with mean and standard deviation

ToTensor：convert a PIL image to tensor (H*W*C) in range [0,255] to a torch.Tensor(C*H*W) in the range [0.0,1.0]

ToPILImage: convert a tensor to PIL image

Scale：目前已经不用了，推荐用Resize

CenterCrop：在图片的中间区域进行裁剪

RandomCrop：在一个随机的位置进行裁剪

RandomHorizontalFlip：以0.5的概率水平翻转给定的PIL图像

RandomVerticalFlip：以0.5的概率竖直翻转给定的PIL图像

RandomResizedCrop：将PIL图像裁剪成任意大小和纵横比

Grayscale：将图像转换为灰度图像

RandomGrayscale：将图像以一定的概率转换为灰度图像

FiceCrop：把图像裁剪为四个角和一个中心

TenCrop

Pad：填充

ColorJitter：随机改变图像的亮度对比度和饱和度

Pytoch之torchvision.transforms图像变换实例
09-18
2. **RandomCrop(size, padding=0)**：与`CenterCrop`不同，`RandomCrop`随机选择图像中的一个区域进行裁剪，而不是固定在中心。`size`可以是元组或整数。如果`size`是元组，它必须包含两个整数值。`padding`参数...
Imageview之图片填充模式Centercrop模式实现
03-26
对Imageview图片填充模式centercrop的研究，自己动手实现了centercrop的效果，由此举一反三
1、随机中心裁剪 transforms.CenterCrop(size)
lichaoqi1的博客
04-01 4808
transforms.CenterCrop(size) import torchvision.transforms as transform from PIL import Image import matplotlib.pyplot as plt import numpy as np import torch img0=Image.open('lin-xiao-xun-000003.jpg') img1=transform.CenterCrop((32,32))(img0) #随机中心裁剪 img2=
【pytorch 】torchvision.transforms.CenterCrop==＞从图像中心裁剪图片
Drug discovery
06-13 2万+
transforms.CenterCrop torchvision.transforms.CenterCrop(size) 功能：从图像中心裁剪图片 size: 所需裁剪的图片尺寸 transforms.CenterCrop(196)的效果如下： （也可以写成transforms.CenterCrop((196, 196)) ） 如果裁剪的 size 比原图大，那么会填充值为 0 的像素。`transforms.CenterCrop(512)`的效果如下： https://w..
pytorch | torchvision.transforms.CenterCrop
weixin_66442839的博客
03-29 842
pytorch | torchvision.transforms.CenterCrop
pytorch torchvision.transforms.CenterCrop
Claroja
08-25 2070
应用 以图片中心进行裁剪 import torchivision.transforms import PIL.Image as Image import torchvision.transforms #读入图片 image=Image.open("./test.png") crop_obj = torchvision.transforms.CenterCrop((224, 224)) #生成一个CenterCrop类的对象,用来将图片从中心裁剪成224*224 image = crop_obj(i
图像裁剪---torchvision.transforms.CenterCrop
热门推荐
u012370185的博客
05-15 2万+
pytorch文档中的说明: 用法实例: import torchivision.transforms import PIL.Image as Image import torchvision.transforms #读入图片 image=Image.open("/home/alisa/PycharmProjects/attack/target_attack/1/train_targ...
torchvision.transforms图像预处理常用方法简介
https://www.hyperplasma.top
06-15 2095
transforms是在计算机视觉工具包torchvision下的包，常用于对图像进行预处理（如裁剪、翻转和旋转、图像变换……），提高泛化能力。
Python torchvision.transforms 下常用图像处理方法
basketball616的博客
04-24 1406
是 PyTorch 用于处理图像数据的一个模块，提供了丰富的图像变换功能。
torchvision.transforms使用详解
程序员深度学习
09-25 8976
1. 介绍 PyTorch框架中有一个非常重要且好用的包：torchvision，该包主要由3个子包组成，分别是：torchvision.datasets、torchvision.models、torchvision.transforms。这3个子包的具体介绍可以参考官网：http://pytorch.org/docs/master/torchvision/index.html。具体代码可以参考github：https://github.com/pytorch/vision/tree/master/tor.
PyTorch学习笔记（17）--torchvision.transforms用法介绍
weixin_43981621的博客
12-03 2908
PyTorch学习笔记（17）–torchvision.transforms用法介绍     本博文是PyTorch的学习笔记，第17次内容记录，主要记录了torchvision.transforms的使用方法。 目录PyTorch学习笔记（17）--torchvision.transforms用法介绍1.问题来源2.torchvision.transforms具体用法3.torchvision.transforms其他的用法4.补充torchvision模块的其他功能 1.问题来源     在读ResNe
深度学习——图片预处理（transforms.CenterCrop()）
weixin_73223851的博客
08-01 926
那么就是剪裁出来的图片大小就是256*256，剪裁出来的图片中心就是原来图片的中心。上述函数的意思是对要处理的图片进行中心剪裁，其中size是我们想要的图片尺寸。
torchvision.transforms
The Thinker
12-03 352
上一篇博客讲解了如何组织自己的数据集，这节讲解如何对数据集进行一系列的预处理操作，即Transform。 1. torchvision.transforms.Compose(transforms) 该API将多个 transform 组合起来对数据进行预处理，其中参数 transforms 是由 transform 构成的列表。 现在举一个例子，先看原始图片： 接着对这个图片进行预处理操作 To...
PyTorch 入门学习（七）————torchvision.transforms
qq_36414085的博客
12-11 2806
文章目录管理各个transform，使用Compose一、裁剪 ------ Crop1、随机裁剪：transforms.RandomCrop2.中心裁剪：transforms.CenterCrop3.随机长宽比裁剪 transforms.RandomResizedCrop4.上下左右中心裁剪：transforms.FiveCrop5.上下左右中心裁剪后翻转: transforms.TenCrop...
【深度学习】torchvision.transforms对两张图片(一组图片/源图像与标签)进行完全相同的随机裁剪
passer__jw767的博客
09-17 1521
对两张图片进行裁剪的关键在于为它们指定相同的随机数种子
Torchvision transforms 总结
Hansry的博客
11-16 2万+
一.torchvision.transforms Transfoms 是很常用的图片变换方式，可以通过compose将各个变换串联起来 **1. class torchvision.transforms.Compose (transforms) ** 这个类将多个变换方式结合在一起 参数：各个变换的实例对象 举例： transforms.Compose([ transforms.Center...
torchvision.transforms.CenterCrop
最新发布
08-04
<think>我们正在讨论的是torchvision.transforms.CenterCrop，而不是之前的Resize。根据用户的要求，我们需要提供CenterCrop的函数原型和用法。 根据引用[1]中提到的RandomCrop的格式，我们可以推断CenterCrop的函数原型应该也是类似的，但CenterCrop不需要padding等参数，因为它只是从中心裁剪。 另外，引用[2]和引用[3]中提到了CenterCrop的使用，我们可以参考这些引用来构建答案。 函数原型（根据官方文档）： class torchvision.transforms.CenterCrop(size) 参数说明： size (sequence or int): 期望的输出尺寸。如果size是整数，则裁剪为正方形；如果size是类似(h, w)的序列，则裁剪为高度h和宽度w。 功能：将给定的图像在中心裁剪为指定的尺寸。如果图像尺寸小于输出尺寸，则会先进行填充（在torchvision的较新版本中，如果尺寸不足，默认会填充0，但CenterCrop本身没有填充参数，因此对于尺寸不足的情况，它会先填充再裁剪？实际上，在旧版本中，如果尺寸不足，会先进行填充，但CenterCrop本身不提供填充参数。在较新的版本中，CenterCrop对于尺寸不足的情况，会使用padding？不，我们查看官方文档：CenterCrop如果图像尺寸小于给定的输出尺寸，则会在裁剪前用0填充（即自动填充）。但注意，这个填充行为是内置的，不需要用户设置。 但是，根据官方文档（我们这里没有直接引用，但根据经验），CenterCrop的处理逻辑是： 1. 如果输入图像尺寸大于等于目标尺寸，则直接从中心裁剪出目标尺寸。 2. 如果输入图像尺寸小于目标尺寸（在某个维度上），则先在该维度上对称填充至目标尺寸（即填充到至少目标尺寸），然后再进行中心裁剪（实际上填充后裁剪出来的就是填充后的图像中心，因为填充后尺寸刚好等于目标尺寸，那么整个图像就是裁剪区域）。 注意：在旧版本的torchvision中，CenterCrop对于小于目标尺寸的图像不会填充，而是直接放大图像？实际上不是，CenterCrop不会改变图像的比例，它要求图像至少是目标尺寸，否则会报错？但根据最新文档（1.10+），CenterCrop已经支持了自动填充，即当图像小于目标尺寸时，会自动用0填充边缘，然后再进行中心裁剪。 因此，我们这样描述： 参数： size (int 或 sequence): 如果是int，则裁剪为(size, size)的正方形；如果是sequence，则裁剪为(size[0], size[1])的矩形。 注意：如果输入图像尺寸小于目标尺寸，则会在裁剪前用0填充（即自动填充），确保能够裁剪出目标尺寸。 另外，CenterCrop支持PIL图像和张量（要求形状为(C, H, W)）。 使用示例： 见引用[3]中的代码片段，其中使用了： transforms.CenterCrop(224) 我们也可以自己写一个例子： 示例代码： from torchvision.transforms import CenterCrop from PIL import Image # 创建一个CenterCrop转换，目标尺寸为224x224 center_crop = CenterCrop((224, 224)) # 打开一个图像 img = Image.open("test.jpg") # 应用中心裁剪 cropped_img = center_crop(img) # 显示或保存图像 cropped_img.show() 或者对于张量： import torch from torchvision import transforms transform = transforms.Compose([ transforms.ToTensor(), transforms.CenterCrop(224), # 注意：这里要求输入张量的高度和宽度都大于等于224 ]) 但是注意：在Compose中，如果先进行了ToTensor，那么CenterCrop处理的就是张量。而CenterCrop同时支持PIL和Tensor，所以这样写也可以。但是要注意，如果图像尺寸小于224，则会自动填充0（在张量模式下也是填充0）。 然而，在旧版本中（比如1.6之前），CenterCrop不支持对小于目标尺寸的图像进行填充，会报错。因此，在较新的版本（>=0.8.0？具体版本需查证）中，已经支持了自动填充。 为了确保兼容性，如果用户使用的是较旧版本，可能需要先调整图像大小（使用Resize）确保图像足够大，然后再进行CenterCrop。但在新版本中，可以直接使用CenterCrop，即使图像较小。 因此，我们可以在回答中说明：从torchvision 0.8.0（或0.9.0）开始，CenterCrop支持自动填充。 但为了准确，我们可以不提及具体版本，而是建议：如果输入图像尺寸可能小于目标尺寸，请确保使用较新版本的torchvision（>=0.8.0），否则可能会引发异常。 引用[3]中使用了Resize(256)然后CenterCrop(224)，这是一种常见的做法：先缩放到较大尺寸，然后中心裁剪到目标尺寸。这样可以确保图像尺寸大于等于目标尺寸，避免填充带来的黑色边框（因为填充的黑色可能会引入噪声）。 因此，我们也可以建议：在不确定输入图像尺寸时，可以先使用Resize将图像缩放到一个较大的尺寸（比如256x256），然后再进行CenterCrop(224)。 总结回答结构： 1. 函数原型 2. 参数说明 3. 功能描述（包括对小于目标尺寸的处理） 4. 使用示例 5. 注意事项 同时，生成相关问题： 1. 如何同时调整和裁剪图像以符合模型输入要求？ 2. CenterCrop和RandomCrop有什么区别？ 3. 在图像预处理中，为什么经常先Resize再CenterCrop？ 4. 当图像小于目标尺寸时，CenterCrop如何处理？ 注意：由于引用[1]中提到了RandomCrop，我们可以对比一下，但用户本次只问CenterCrop。 下面开始回答：</think>### `torchvision.transforms.CenterCrop` 函数详解 #### 函数原型 ```python class torchvision.transforms.CenterCrop( size: Union[int, Sequence[int]] ) ``` #### 参数说明 1. **`size`** (必需参数) - 类型：`int` 或 `Sequence[int]`（如元组/列表） - 作用：指定裁剪区域尺寸 - 两种使用方式： - **单整数**：`size=224` → 裁剪为 224×224 的正方形 - **(高度, 宽度)元组**：`size=(256, 192)` → 裁剪为 256×192 的矩形 #### 功能特点 1. **中心裁剪**： 始终从图像正中心裁剪指定尺寸的区域，保持图像主体不变[^3]。 2. **尺寸处理**： - 若图像尺寸 ≥ 目标尺寸 → 直接裁剪 - 若图像尺寸 < 目标尺寸 → 自动用 **0 填充**（黑色区域）[^1] 3. **输入支持**： - PIL 图像 (`PIL.Image.Image`) - 张量 (`torch.Tensor`)，形状需为 `(C, H, W)` #### 使用示例 ```python from torchvision import transforms from PIL import Image # 创建转换 square_crop = transforms.CenterCrop(224) # 裁剪为224×224正方形 rect_crop = transforms.CenterCrop((256, 192)) # 裁剪为256×192矩形 # 应用转换 image = Image.open("image.jpg") cropped_square = square_crop(image) # 正方形裁剪 cropped_rect = rect_crop(image) # 矩形裁剪 ``` #### 典型应用场景 常用于图像分类预处理流程（结合 `Resize`）： ```python transform = transforms.Compose([ transforms.Resize(256), # 先缩放到256px短边 transforms.CenterCrop(224), # 再中心裁剪224×224 transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) ``` > 这种组合确保输入尺寸统一，同时保留图像主要内容[^3]。 #### 注意事项 1. **尺寸顺序**：矩形尺寸需按 **(高度, 宽度)** 顺序指定 2. **填充颜色**：默认填充黑色（0值），可通过后续处理调整 3. **与RandomCrop区别**： - `CenterCrop`：固定中心位置 - `RandomCrop`：随机位置裁剪（数据增强用）[^1]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值