mindspore::dataset
Execute
#include <execute.h>
// shared_ptr
Execute::Execute(std::shared_ptr<TensorTransform> op, MapTargetDevice deviceType, uint32_t device_id);
Execute::Execute(std::vector<std::shared_ptr<TensorTransform>> ops, MapTargetDevice deviceType, uint32_t device_id);
// normal pointer
Execute::Execute(std::reference_wrapper<TensorTransform> op, MapTargetDevice deviceType, uint32_t device_id);
Execute::Execute(std::vector<std::reference_wrapper<TensorTransform>> ops, MapTargetDevice deviceType, uint32_t device_id);
// reference_wrapper
Execute::Execute(TensorTransform *op, MapTargetDevice deviceType, uint32_t device_id);
Execute::Execute(std::vector<TensorTransform *> ops, MapTargetDevice deviceType, uint32_t device_id);
Transform（图像、文本）变换算子Eager模式执行类。支持多种构造函数形式，包括智能指针，普通指针以及引用封装。
参数
op: 指定单个使用的变换算子。ops: 指定一个列表，包含多个使用的变换算子。deviceType: 指定运行硬件设备，选项为CPU，GPU以及Ascend 310。device_id: 指定运行硬件设备的设备号，仅当deviceType = MapTargetDevice::kAscend310时生效。
Status operator()(const mindspore::MSTensor &input, mindspore::MSTensor *output);
Eager模式执行接口。
参数
input: 待变换的Tensor张量。output: 变换后的Tensor张量。
返回值
返回一个状态码指示执行变换是否成功。
std::string Execute::AippCfgGenerator();
与Dvpp相关的Aipp配置文件生成器。
该接口在deviceType = kAscend310时生效，依据数据预处理算子的参数自动生成Ascend 310内置Aipp模块推理配置文件。
参数
无。
返回值
返回一个
string表示Aipp配置文件的系统路径。
Dvpp模块
Dvpp模块为Ascend 310芯片内置硬件解码器，相较于CPU拥有对图形处理更强劲的性能。支持JPEG图片的解码缩放等基础操作。
定义
execute对象时，若设置deviceType = kAscend310则会调用Dvpp模块执行数据预处理算子。当前Dvpp模块支持
Decode()，Resize()，CenterCrop()，Normalize()。上述Dvpp算子与同功能CPU算子共用统一API，仅以
deviceType区分。
示例代码：
// Define dvpp transforms
std::vector<int32_t> crop_paras = {224, 224};
std::vector<int32_t> resize_paras = {256};
std::vector<float> mean = {0.485 * 255, 0.456 * 255, 0.406 * 255};
std::vector<float> std = {0.229 * 255, 0.224 * 255, 0.225 * 255};
std::shared_ptr<TensorTransform> decode(new vision::Decode());
std::shared_ptr<TensorTransform> resize(new vision::Resize(resize_paras));
std::shared_ptr<TensorTransform> centercrop(new vision::CenterCrop(crop_paras));
std::shared_ptr<TensorTransform> normalize(new vision::Normalize(mean, std));
std::vector<std::shared_ptr<TensorTransform>> trans_list = {decode, resize, centercrop, normalize};
mindspore::dataset::Execute Transform(trans_list, MapTargetDevice::kAscend310);
ResizeBilinear
#include <image_process.h>
bool ResizeBilinear(LiteMat &src, LiteMat &dst, int dst_w, int dst_h)
通过双线性算法调整图像大小，当前仅支持的数据类型为uint8，当前支持的通道为3和1。
参数
src: 输入的图片数据。dst: 输出的图片数据。dst_w: 输出图片数据的宽度。dst_h: 输出图片数据的高度。
返回值
执行成功返回true，执行失败返回false。
InitFromPixel
#include <image_process.h>
bool InitFromPixel(const unsigned char *data, LPixelType pixel_type, LDataType data_type, int w, int h, LiteMat &m)
从像素初始化LiteMat，提供数据为RGB或者BGR格式，不用进行格式转换，当前支持的转换是RGB_TO_BGR、RGBA_To_RGB、RGBA_To_BGR、NV21_To_BGR和NV12_To_BGR。
参数
data: 输入的数据。pixel_type: 像素点的类型。data_type: 数据的类型。w: 输出数据的宽度。h: 输出数据的高度。mat: 用于存储图像数据。
返回值
初始化成功返回true，否则返回false。
ConvertTo
#include <image_process.h>
bool ConvertTo(LiteMat &src, LiteMat &dst, double scale = 1.0)
转换数据类型，当前支持的转换是将uint8转换为float。
参数
src: 输入的图片数据。dst: 输出图像数据。scale: 对像素进行缩放(默认值为1.0)。
返回值
转换数据类型成功返回true，否则返回false。
Crop
#include <image_process.h>
bool Crop(LiteMat &src, LiteMat &dst, int x, int y, int w, int h)
裁剪图像，通道支持为3和1。
参数
src: 输入的图片数据。dst: 输出图像数据。x: 屏幕截图起点的x坐标值。y: 屏幕截图起点的y坐标值。w: 截图的宽度。h: 截图的高度。
返回值
裁剪图像成功返回true，否则返回false。
SubStractMeanNormalize
#include <image_process.h>
bool SubStractMeanNormalize(const LiteMat &src, LiteMat &dst, const std::vector<float> &mean, const std::vector<float> &std)
归一化图像，当前支持的数据类型为float。
参数
src: 输入的图片数据。dst: 输出图像数据。mean: 数据集的均值。std: 数据集的方差。
返回值
归一化成功返回true，否则返回false。
Pad
#include <image_process.h>
bool Pad(const LiteMat &src, LiteMat &dst, int top, int bottom, int left, int right, PaddBorderType pad_type, uint8_t fill_b_or_gray, uint8_t fill_g, uint8_t fill_r)
填充图像，通道支持为3和1。
参数
src: 输入的图片数据。dst: 输出图像数据。top: 图片顶部长度。bottom: 图片底部长度。left: 图片左边长度。right: 图片右边长度。pad_type: padding的类型。fill_b_or_gray: R或者GRAY。fill_g: G。fill_r: R。
返回值
填充图像成功返回true，否则返回false。
ExtractChannel
#include <image_process.h>
bool ExtractChannel(const LiteMat &src, LiteMat &dst, int col)
按索引提取图像通道。
参数
src: 输入的图片数据。col: 通道的序号。
返回值
提取图像通道成功返回true，否则返回false。
Split
#include <image_process.h>
bool Split(const LiteMat &src, std::vector<LiteMat> &mv)
将图像通道拆分为单通道。
参数
src: 输入的图片数据。mv: 单个通道数据。
返回值
图像通道拆分成功返回true，否则返回false。
Merge
#include <image_process.h>
bool Merge(const std::vector<LiteMat> &mv, LiteMat &dst)
用几个单通道阵列创建一个多通道图像。
参数
mv: 单个通道数据。dst: 输出图像数据。
返回值
创建多通道图像成功返回true，否则返回false。
Affine
#include <image_process.h>
void Affine(LiteMat &src, LiteMat &out_img, double M[6], std::vector<size_t> dsize, UINT8_C1 borderValue)
对1通道图像应用仿射变换。
参数
src: 输入图片数据。out_img: 输出图片数据。M[6]: 仿射变换矩阵。dsize: 输出图像的大小。borderValue: 采图之后用于填充的像素值。
void Affine(LiteMat &src, LiteMat &out_img, double M[6], std::vector<size_t> dsize, UINT8_C3 borderValue)
#include <image_process.h>
对3通道图像应用仿射变换。
参数
src: 输入图片数据。out_img: 输出图片数据。M[6]: 仿射变换矩阵。dsize: 输出图像的大小。borderValue: 采图之后用于填充的像素值。
GetDefaultBoxes
#include <image_process.h>
std::vector<std::vector<float>> GetDefaultBoxes(BoxesConfig config)
获取Faster R-CNN，SSD，YOLO等的默认框。
参数
config: BoxesConfig结构体对象。
返回值
返回默认框。
ConvertBoxes
#include <image_process.h>
void ConvertBoxes(std::vector<std::vector<float>> &boxes, std::vector<std::vector<float>> &default_boxes, BoxesConfig config)
将预测框转换为（y，x，h，w）的实际框。
参数
boxes: 实际框的大小。default_boxes: 默认框。config: BoxesConfig结构体对象。
ApplyNms
#include <image_process.h>
std::vector<int> ApplyNms(std::vector<std::vector<float>> &all_boxes, std::vector<float> &all_scores, float thres, int max_boxes)
对实际框的非极大值抑制。
参数
all_boxes: 所有输入的框。all_scores: 通过网络执行后所有框的得分。thres: IOU的预值。max_boxes: 输出框的最大值。
返回值
返回框的id。
LiteMat
#include <lite_mat.h>
LiteMat是一个处理图像的类。
构造函数和析构函数
LiteMat
LiteMat()
LiteMat(int width, LDataType data_type = LDataType::UINT8)
LiteMat(int width, int height, LDataType data_type = LDataType::UINT8)
LiteMat(int width, int height, int channel, LDataType data_type = LDataType::UINT8)
MindSpore中dataset模块下LiteMat的构造方法，使用参数的默认值。
~LiteMat
~LiteMat()
MindSpore dataset LiteMat的析构函数。
公有成员函数
Init
void Init(int width, LDataType data_type = LDataType::UINT8)
void Init(int width, int height, LDataType data_type = LDataType::UINT8)
void Init(int width, int height, int channel, LDataType data_type = LDataType::UINT8)
该函数用于初始化图像的通道，宽度和高度，参数不同。
IsEmpty
bool IsEmpty() const
确定对象是否为空的函数。
返回值
返回true或者false。
Release
void Release()
释放内存的函数。
公有属性
data_ptr_
data_ptr_
pointer类型，表示存放图像数据的地址。
elem_size_
elem_size_
int类型，表示元素的字节数。
width_
width_
int类型，表示图像的宽度。
height_
height_
int类型，表示图像的高度。
channel_
channel_
int类型，表示图像的通道数。
c_step_
c_step_
int类型，表示经过对齐后的图像宽高之积。
dims_
dims_
int类型，表示图像的维数。
size_
size_
size_t类型，表示图像占用内存的大小。
data_type_
data_type_
LDataType类型，表示图像的数据类型。
ref_count_
ref_count_
pointer类型，表示引用计数器的地址。
Subtract
#include <lite_mat.h>
bool Subtract(const LiteMat &src_a, const LiteMat &src_b, LiteMat *dst)
对两个图像间的元素进行减法运算。
参数
src_a: 输入的图像a的数据。src_b: 输入的图像b的数据。dst: 输出图像的数据。
返回值
满足条件的计算返回true，否则返回false。
Divide
#include <lite_mat.h>
bool Divide(const LiteMat &src_a, const LiteMat &src_b, LiteMat *dst)
对两个图像间的元素进行除法运算。
参数
src_a: 输入的图像a的数据。src_b: 输入的图像b的数据。dst: 输出图像的数据。
返回值
满足条件的计算返回true，否则返回false。
Multiply
#include <lite_mat.h>
bool Multiply(const LiteMat &src_a, const LiteMat &src_b, LiteMat *dst)
对两个图像间的元素进行乘法运算。
参数
src_a: 输入的图像a的数据。src_b: 输入的图像b的数据。dst: 输出图像的数据。
返回值
满足条件的计算返回true，否则返回false。