img1 = np.array(img) img2 = torchvision.transforms.ToTensor()(img1) apply(img2, torchvision.transforms.RandomErasing(p=0.9, scale=(0.02, 0.33), ratio=(0.3, 3.3), value='random'),"zg10_") 如何使得img的属性不变，apply函数会用到img

可以在函数内部先对 img 进行备份，然后对备份进行操作，如下所示：

def apply(img, transform, prefix):
    img_copy = img.copy()  # 备份原始图像
    transformed_img = transform(img_copy)  # 对备份进行变换
    # 对变换后的图像进行处理，如保存、显示等
    # ...

这样就能保证传入函数的 img 不会被操作改变其属性。

相关问题

img1 = np.array(img) img2 = torchvision.transforms.ToTensor()(img1) apply(img2, torchvision.transforms.RandomErasing(p=0.9, scale=(0.02, 0.33), ratio=(0.3, 3.3), value='random'),"zg10_") 如何使得img的属性不变

由于 `img2` 是通过 `ToTensor()` 转换得到的，因此它已经不再是 `PIL.Image` 类型的数据，而是 `torch.Tensor` 类型的数据。如果要保留原始图像 `img` 的属性，可以在 `apply` 函数内部对 `img` 进行备份，并在函数返回时将备份更新为变换后的图像，如下所示：

def apply(img, transform, prefix):
    img_copy = img.copy()  # 备份原始图像
    img_tensor = torchvision.transforms.ToTensor()(img_copy)  # 将图像转换为 Tensor
    transformed_tensor = transform(img_tensor)  # 对 Tensor 进行变换
    transformed_img = torchvision.transforms.ToPILImage()(transformed_tensor)  # 将 Tensor 转换为 PIL.Image
    # 对变换后的图像进行处理，如保存、显示等
    # ...
    img_copy = transformed_img.copy()  # 更新备份为变换后的图像
    return transformed_img

这样就能保留原始图像的属性，并且在变换后得到变换后的图像。

Traceback (most recent call last): File "C:\Users\sxq\PycharmProjects\pythonProject\main.py", line 88, in <module> apply(img, torchvision.transforms.RandomHorizontalFlip(0.7), "zg1_") File "C:\Users\sxq\PycharmProjects\pythonProject\main.py", line 57, in apply Load_name[i] = np.array(new_name1) NameError: name 'Load_name' is not defined

这个错误提示显示 `Load_name` 未定义，这意味着你在代码中调用了一个未定义的变量。

解决这个问题需要检查代码中 `Load_name` 变量的定义是否存在问题。你需要确认在使用这个变量之前是否已经定义了它，并且在当前作用域中可以访问到它。

如果你在代码中没有定义 `Load_name` 变量，那么你需要在使用它之前先进行定义。你可以在函数中定义这个变量，或者如果它是全局变量的话，可以在程序的顶部进行定义。

如果你已经定义了 `Load_name` 变量，但仍然出现了这个错误，那么你需要检查变量名的拼写是否正确，并且确认你正在访问正确的作用域中的变量。

总之，要想解决这个错误，你需要仔细检查代码并找到未定义变量的原因，然后进行适当的定义和修改。