1. 构建最小图像预处理流水线

任务说明

本案例构建一个最小可复用的图像预处理流水线，将任意输入图像转换为后续神经网络模型所需的标准张量输入。流水线包含三个核心步骤：缩放（保持宽高比的resize）、中心裁剪（crop至目标尺寸）、归一化（像素值从[0,255]映射到[0,1]并标准化）。输出为形状为(1, 3, H, W)的浮点张量，适配PyTorch模型的默认输入格式（NCHW）。

实现方案

使用OpenCV读取图像（BGR格式），转换为RGB后依次执行缩放、中心裁剪和归一化。归一化采用两步：先将像素值除以255映射到[0,1]，再使用ImageNet数据集的均值与标准差进行标准化。代码封装为单一函数preprocess_image()，输入为图像文件路径，输出为可直接送入模型的张量。

代码实现

import cv2
import numpy as np
import torch

def preprocess_image(image_path, target_size=224, resize_size=256):
    """
    图像预处理流水线：读取 → 缩放 → 中心裁剪 → 归一化
    
    Args:
        image_path: 输入图像文件路径
        target_size: 最终输出尺寸（正方形边长）
        resize_size: 缩放阶段的短边长度
    
    Returns:
        torch.Tensor: 形状为 (1, 3, target_size, target_size) 的浮点张量
    """
    # 1. 读取图像并转换颜色空间
    img = cv2.imread(image_path)
    if img is None:
        raise FileNotFoundError(f"无法读取图像: {image_path}")
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    
    # 2. 缩放：保持宽高比，短边缩放到 resize_size
    h, w = img.shape[:2]
    scale = resize_size / min(h, w)
    new_h, new_w = int(round(h * scale)), int(round(w * scale))
    img = cv2.resize(img, (new_w, new_h), interpolation=cv2.INTER_AREA)
    
    # 3. 中心裁剪：从中心裁出 target_size × target_size 区域
    h, w = img.shape[:2]
    start_y = (h - target_size) // 2
    start_x = (w - target_size) // 2
    img = img[start_y:start_y + target_size, start_x:start_x + target_size]
    
    # 4. 归一化：像素值映射到 [0,1] 后标准化
    img = img.astype(np.float32) / 255.0
    
    # ImageNet 标准化参数
    mean = np.array([0.485, 0.456, 0.406], dtype=np.float32)
    std = np.array([0.229, 0.224, 0.225], dtype=np.float32)
    img = (img - mean) / std
    
    # 转换为 PyTorch 张量并添加 batch 维度
    # 从 HWC 转为 CHW
    tensor = torch.from_numpy(img).permute(2, 0, 1)
    tensor = tensor.unsqueeze(0)  # 添加 batch 维度
    
    return tensor

# 使用示例
if __name__ == "__main__":
    # 输入图像路径（请替换为实际存在的图像文件）
    input_image = "sample.jpg"
    
    # 执行预处理
    output_tensor = preprocess_image(input_image)
    
    # 验证输出形状
    print(f"输出张量形状: {output_tensor.shape}")
    print(f"数据类型: {output_tensor.dtype}")
    print(f"像素值范围: [{output_tensor.min().item():.3f}, {output_tensor.max().item():.3f}]")

落地与验证

依赖安装：需要opencv-python、numpy、torch。使用pip install opencv-python numpy torch安装。

运行方式：将代码保存为preprocess.py，准备一张任意尺寸的sample.jpg图像放在同目录，执行python preprocess.py。

验证方法：观察程序输出，满足以下条件即判定通过：

• 输出张量形状为torch.Size([1, 3, 224, 224])；
• 数据类型为torch.float32；
• 像素值范围大致在[-2.5, 2.5]区间内（标准化后典型范围）。

预期输出示例：对于一张常规自然图像，输出形状为torch.Size([1, 3, 224, 224])，数据类型为torch.float32，像素值范围约为[-2.117, 2.640]（具体数值取决于输入图像内容，但必然落在标准化后的合理区间内）。