如何让tf.image.resize_with_pad使用1而非0进行填充？

tf.image.resize_with_pad确实没有提供自定义填充值的参数，默认只能用0进行填充。要实现用1填充的需求，我们可以手动实现「按比例缩放+自定义值填充」的逻辑，既保留原图像比例，又能灵活设置填充值，而且完全适配TensorFlow数据集的动态处理流程。

替代方案实现 #

核心思路是：先按原比例缩放图像到不超过目标尺寸的最大大小，再计算需要填充的上下左右边距，最后用tf.pad指定填充值为1。修改你的resize_with_pad函数如下：

def resize_with_pad(image, label):
    target_size = (resized_wh, resized_wh)
    # 获取原始图像的高、宽
    h, w = tf.shape(image)[0], tf.shape(image)[1]
    # 计算缩放因子：取宽高方向中较小的缩放比例，保证图像不超过目标尺寸
    scale = tf.minimum(target_size[0]/h, target_size[1]/w)
    # 计算缩放后的图像尺寸
    new_h, new_w = tf.cast(tf.round(h*scale), tf.int32), tf.cast(tf.round(w*scale), tf.int32)
    # 缩放图像
    image = tf.image.resize(image, (new_h, new_w), method=ResizeMethod.BILINEAR, antialias=False)
    # 计算上下左右的填充量
    pad_top = (target_size[0] - new_h) // 2
    pad_bottom = target_size[0] - new_h - pad_top
    pad_left = (target_size[1] - new_w) // 2
    pad_right = target_size[1] - new_w - pad_left
    # 用1填充图像，通道维度无需填充（保持原通道数）
    image = tf.pad(image, [[pad_top, pad_bottom], [pad_left, pad_right], [0, 0]], constant_values=1.0)
    return image, label

方案优势 #

• 动态适配：不需要提前保存预处理后的图像，更换resized_wh参数后直接生效，和原代码灵活性一致
• 逻辑对齐原生API：和tf.image.resize_with_pad的缩放+居中填充逻辑完全一致，仅替换了填充值
• 兼容数据集流水线：所有操作都是TensorFlow图模式兼容的，不会破坏map函数的并行处理和预取逻辑

直接把这个修改后的函数替换你原代码中的resize_with_pad，就能在数据集流水线中实现用1填充的需求。

内容的提问来源于stack exchange，提问作者R. Siva