如何用Mask实现图像Tensor的裁剪补全及解决维度比较问题？

一、能否通过Mask补全+裁剪达到目标尺寸？ #

没问题。针对你的场景：

• 高度方向多4像素（504→500）：直接裁剪高度方向的多余部分即可
• 宽度方向少4像素（496→500）：用Mask标记缺失区域后，可通过均值填充、边缘插值或0填充等方式补全，再结合裁剪调整到目标尺寸

二、优雅的范围裁剪实现 #

无需构建复杂Mask，直接用Tensor切片或torch.index_select更高效。先确定要保留的行/列范围，直接索引即可，比逐像素判断的方式简洁得多。

三、Mask构建代码的修正（原「?」问题的解决） #

你原代码的思路存在误区：img_tensor[:,:,?,:]是对Tensor维度做切片操作，并非获取像素的坐标值，无法直接和范围阈值比较。正确做法是先生成对应维度的坐标网格，再与范围值对比：

假设你的图像Tensor是PyTorch常用的(batch, channel, height, width)格式，代码如下：

import torch
from functools import reduce

# 获取Tensor维度信息
B, C, H, W = img_tensor.shape

# 生成高度、宽度的坐标网格
h_coords = torch.arange(H).unsqueeze(0).repeat(W, 1).T  # 形状为 (H, W)
w_coords = torch.arange(W).unsqueeze(0).repeat(H, 1)     # 形状为 (H, W)

# 扩展维度以匹配batch和channel维度
h_coords = h_coords.unsqueeze(0).unsqueeze(0).repeat(B, C, 1, 1)
w_coords = w_coords.unsqueeze(0).unsqueeze(0).repeat(B, C, 1, 1)

# 假设range格式为 [w_min, h_min, w_max, h_max]
mask = reduce(torch.logical_and, (
    h_coords >= range[1],
    h_coords < range[3],
    w_coords >= range[0],
    w_coords < range[2]
))

如果你的Tensor是(batch, height, width, channel)格式（如TensorFlow风格），只需调整坐标网格的扩展方式：

B, H, W, C = img_tensor.shape
h_coords = torch.arange(H).unsqueeze(0).repeat(W, 1).T.unsqueeze(0).unsqueeze(-1).repeat(B, 1, 1, C)
w_coords = torch.arange(W).unsqueeze(0).repeat(H, 1).unsqueeze(0).unsqueeze(-1).repeat(B, 1, 1, C)

mask = reduce(torch.logical_and, (
    h_coords >= range[1],
    h_coords < range[3],
    w_coords >= range[0],
    w_coords < range[2]
))

更高效的尺寸调整方案 #

其实无需Mask也能快速完成尺寸调整：先补全宽度的缺失像素，再裁剪高度的多余部分，一步到位：

# 补全宽度（右侧补4个0像素）
padded_img = torch.nn.functional.pad(img_tensor, (0, 500 - 496, 0, 0))
# 裁剪高度（取第2到502行，左闭右开，刚好500行）
target_img = padded_img[:, :, 2:502, :]

这种方式直接操作Tensor维度，比逐像素判断的Mask方法效率更高。

内容的提问来源于stack exchange，提问作者MMM