0：http://multispectral.kaist.ac.kr/pedestrian/data-kaist/images/set00.zip1：http://multispectral.kaist.ac.kr/pedestrian/data-kaist/images/set01.zip2：http://multispectral.kaist.ac.kr/pedestrian/data-kai

#include<iostream>#include<opencv2/opencv.hpp>#include<math.h>using namespace cv;int main(){Mat example = imread("D:\\VC项目\\img1.jpg");if (!example.data){printf("无法打开图像!!!");return -

transforms.RandomAdjustSharpness(sharpness_factor, p=0.5) sharpness_factor：需要调整多少锐度。可以是任何非负数 0-模糊，1-原图，2-锐度提高两倍import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot a

import torch.nn as nnimport torchpixelwise_loss = nn.L1Loss(reduction='mean')#平均绝对误差,L1-损失loss2=nn.MSELoss()#L2-损失x1=torch.zeros([2,2])x2=torch.ones([2,2])x3=torch.tensor([[0.125,0.5],[0.5,0.5]])y=pix

transforms.Grayscale()num_output_channels=1 or 3import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xu

transforms.CenterCrop(size)import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy as npimport torchimg0=Image.open('lin-xiao-xun-000003.jpg')img1=tr

transforms.RandomPerspective(distortion_scale=0.5, p=0.5, interpolation=<InterpolationMode.BILINEAR: 'bilinear'>, fill=0)distortion_scale:角度的倾斜值，取值（0，1）import torchvision.transforms as transform

transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0)) kernel_size:高斯卷积核大小sigma：标准差（min,max）import torchvision.transforms as transformfrom PIL import Imageimport matplotlib.pyplot as pltimport numpy a

transforms.Pad(padding, fill=0, padding_mode='edge')padding:列表，元素个数为1，2，4fill:int-单值 or (r,g,b)padding_mode:填充方式“constant”:利用常值进行填充“edge”:利用图像边缘像素点进行填充“reflect”：利用反射的方式进行填充[1, 2, 3, 4] 》[3, 2, 1, 2, 3

Mat是一个类，记录和存储图像数据，主要由两个数据部分组成： < 矩阵头(大小,通道,数据类型等) > 和 < 数据块(像素值) >。封装 GDI+ 位图，此位图由图形图像及其属性的像素数据组成。Bitmap 是用于处理由像素数据定义的图像的对象。这个类包含两个泛型参数：TColor和TDepth，定义一个Image对象时，需要指定色彩空间类型和数据深度。不可以利用PictureBox组件显示。不