Pytorch torchvision.transforms的crop方法裁剪尺寸超原图未自动补零

你遇到的问题是接口功能理解偏差导致的：
torchvision.transforms.functional.crop（即你调用的TF.crop）本身仅支持截取输入图像的实际存在区域，当指定的裁剪宽高超出原图边界时，接口会自动将裁剪边界截断到原图边缘，不会主动执行填充操作。
你看到的「裁剪尺寸大于原图时自动补零」的描述，实际是torchvision.transforms.RandomCrop类的特性：该类在pad_if_needed参数开启的前提下，若指定的裁剪尺寸大于输入图像尺寸，会先对原图做零填充，再执行裁剪操作。

方案1：固定裁剪位置（从左上角裁剪） #

如果你需要严格从左上角开始裁剪、超出部分补零，手动先做填充再裁剪即可，参考代码：

import torch
import torchvision.transforms.functional as TF

x = torch.rand(1,3,256,256)
target_h, target_w = 300, 300
# 计算需要填充的右、下侧像素数（从左上角裁剪只需补右边和下边）
pad_right = max(0, target_w - x.shape[3])
pad_bottom = max(0, target_h - x.shape[2])
# 填充参数顺序为左、上、右、下，填充值设为0
x_padded = TF.pad(x, padding=[0, 0, pad_right, pad_bottom], fill=0)
y = TF.crop(img=x_padded, top=0, left=0, height=target_h, width=target_w)
print(y.shape) # 输出 torch.Size([1, 3, 300, 300])

方案2：无需固定裁剪位置 #

如果你没有固定裁剪位置的要求，直接使用RandomCrop接口即可自动处理填充逻辑，参考代码：

import torch
from torchvision.transforms import RandomCrop

x = torch.rand(1,3,256,256)
transform = RandomCrop(size=(300,300), pad_if_needed=True, fill=0)
y = transform(x)
print(y.shape) # 输出 torch.Size([1, 3, 300, 300])

内容的提问来源于stack exchange，提问作者TPaul