demo.py

import torchvision.transforms.functional as TF
from PIL import Image
from random import random, choice, shuffle
# 模拟 opt 对象
class Opt:
    def __init__(self):
        self.rz_interp = ['bilinear']  # 插值方法列表
        self.loadSize = 256  # 目标尺寸

# 定义 rz_dict
rz_dict = {'bilinear': Image.BILINEAR,
           'bicubic': Image.BICUBIC,
           'lanczos': Image.LANCZOS,
           'nearest': Image.NEAREST}

def sample_discrete(s):
    if len(s) == 1:
        return s[0]
    return choice(s)

def custom_resize(img, opt):
    """
    对图像进行自定义尺寸调整
    
    参数:
        img: 输入图像，通常为PIL Image或Tensor格式
        opt: 配置选项对象，包含图像处理相关参数
            - opt.rz_interp: 尺寸调整插值方法的采样选项
            - opt.loadSize: 目标图像尺寸大小
    
    返回值:
        调整尺寸后的图像，格式与输入图像一致
    """
    # 从配置选项中采样离散的插值方法
    interp = sample_discrete(opt.rz_interp)
    # 使用指定插值方法调整图像尺寸
    return TF.resize(img, opt.loadSize, interpolation=rz_dict[interp])

# 创建一个 Opt 对象
opt = Opt()

# 打开一张示例图像
image_path = '/home/data1/Forever/Effort-AIGI-Detection/UniversalFakeDetect_Benchmark/origal_img/original_27_image.jpg'  # 请替换为实际的图像路径
try:
    img = Image.open(image_path).convert('RGB')
    print(f"原始图像尺寸: {img.size}")

    # 调用 custom_resize 函数进行尺寸调整
    resized_img = custom_resize(img, opt)
    print(f"调整后图像尺寸: {resized_img.size}")
except FileNotFoundError:
    print("未找到示例图像，请检查文件路径。")