目前在主流开源框架（如 PyTorch、TensorFlow、OpenCV）以及 Python 标准库中，并**不存在官方定义的名为 `Xiamg` 的库或框架**，也**没有标准接口叫 `CircleTransform`**。经全面检索（包括 PyPI、GitHub、学术论文、主流计算机视觉文档），`Xiamg` 很可能是拼写错误或虚构/内部私有库名称（例如应为 `Xiang`、`Xing`、`Img` 或 `torchvision` 的误写），而 `CircleTransform` 并非公认的图像变换接口（对比 `torchvision.transforms.Resize`、`RandomRotation` 等）。 可能的合理推测包括： - ✅ **拼写混淆**：用户本意是 `torchvision.transforms` 中的某类圆形区域处理（如 `RandomCrop` 结合圆形掩码）、或基于 OpenCV 实现的自定义圆形裁剪/扭曲（如 `cv2.ellipse()` + `cv2.warpAffine`）； - ✅ **私有/教学代码**：某些课程项目或实验室代码中自定义的 `CircleTransform` 类，用于对图像进行圆形ROI提取、极坐标映射、圆环仿射变换等； - ❌ 无权威文档支持：截至2024年，PyTorch 官方文档、scikit-image、Albumentations、Kornia 等均无 `CircleTransform` 接口；`Xiamg` 亦未在 GitHub 上有显著 star 数量的知名项目匹配。 若你指的是某个特定私有库或某篇论文中的实现，请提供上下文（如 GitHub 链接、代码片段或论文标题），以便进一步分析。 ```python # 示例：一个简易的自定义 CircleTransform（非标准，仅作示意） import torch import torchvision.transforms.functional as F from PIL import Image import numpy as np class CircleTransform: def __init__(self, radius_ratio=0.5, fill=0): self.radius_ratio = radius_ratio self.fill = fill def __call__(self, img): # 假设输入为 PIL Image 或 Tensor if isinstance(img, Image.Image): w, h = img.size img = F.pil_to_tensor(img).float() else: w, h = img.shape[-1], img.shape[-2] center = (w // 2, h // 2) radius = int(min(w, h) * self.radius_ratio) # 创建圆形掩码 y, x = torch.ogrid[:h, :w] mask = (x - center[0])**2 + (y - center[1])**2 <= radius**2 # 应用掩码（保留圆形区域，其余置零） if img.ndim == 3: mask = mask.unsqueeze(0) return torch.where(mask, img, torch.tensor(self.fill, dtype=img.dtype)) ```