如何将PyTorch模糊后张量的强度值拉伸至0-1范围？

报错原因 #

skimage.exposure.rescale_intensity()是为NumPy数组设计的工具函数，直接传入PyTorch张量时，内部调用的min()/max()方法参数与PyTorch张量的方法不兼容，导致报错。PyTorch张量的min()/max()不支持axis、out这类NumPy风格的关键字参数。

解决方案 #

方案1：使用PyTorch原生实现（推荐） #

无需依赖第三方库，直接通过线性变换完成值的拉伸，效率更高：

# 计算模糊后张量的最小/最大值
min_val = blurred_img.min()
max_val = blurred_img.max()

# 线性映射到[0,1]区间
stretched_tensor = (blurred_img - min_val) / (max_val - min_val)

注意：如果存在张量所有值相等的极端情况（此时max_val - min_val = 0），可以加入一个极小值避免除零错误：

epsilon = 1e-8
stretched_tensor = (blurred_img - min_val) / (max_val - min_val + epsilon)

方案2：兼容skimage的方法（类型转换） #

如果坚持使用skimage.exposure.rescale_intensity()，需要先将PyTorch张量转换为NumPy数组，处理完成后再转回张量：

import skimage.exposure

# 将张量转移到CPU并转为NumPy数组（若张量在GPU上需先执行此步骤）
blurred_np = blurred_img.cpu().numpy()

# 执行强度拉伸
stretched_np = skimage.exposure.rescale_intensity(blurred_np, in_range='image', out_range=(0,1))

# 将结果转回PyTorch张量，保持原设备（CPU/GPU）
stretched_tensor = torch.from_numpy(stretched_np).to(blurred_img.device)

内容的提问来源于stack exchange，提问作者NitishJaiswal