mindspore.dataset.vision.AdjustSharpness

class mindspore.dataset.vision.AdjustSharpness(sharpness_factor)

调整输入图像的锐度。

支持 Ascend 硬件加速，需要通过 .device("Ascend") 方式开启。

参数：

• sharpness_factor (float) - 锐度调节因子，需为非负数。输入 0 值将得到模糊图像， 1 值将得到原始图像， 2 值将调整图像锐度为原来的2倍。

异常：

• TypeError - 如果 sharpness_factor 不是float类型。

• ValueError - 如果 sharpness_factor 小于0。

• RuntimeError - 如果输入图像的形状不是<H, W, C>或<H, W>。

支持平台：

CPU Ascend

样例：

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>>
>>> # Use the transform in dataset pipeline mode
>>> # create a dataset that reads all files in dataset_dir with 8 threads
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> transforms_list = [vision.AdjustSharpness(sharpness_factor=2.0)]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns=["image"])
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(item["image"].shape, item["image"].dtype)
...     break
(100, 100, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.array([[0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5]], dtype=np.uint8).reshape((3, 4))
>>> output = vision.AdjustSharpness(sharpness_factor=0)(data)
>>> print(output.shape, output.dtype)
(3, 4) uint8

教程样例：

• 视觉变换样例库

device(device_target='CPU')

指定该变换执行的设备。

• 当执行设备是 Ascend 时，输入数据支持 uint8 或者 float32 类型，输入数据的通道仅支持1和3。输入数据的高度限制范围为[4, 8192]、宽度限制范围为[6, 4096]。

参数：

• device_target (str, 可选) - 算子将在指定的设备上运行。当前支持 CPU 和 Ascend 。默认值： CPU 。

异常：

• TypeError - 当 device_target 的类型不为str。

• ValueError - 当 device_target 的取值不为 CPU / Ascend 。

支持平台：

CPU Ascend

样例：

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>>
>>> # Use the transform in dataset pipeline mode
>>> # create a dataset that reads all files in dataset_dir with 8 threads
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> transforms_list = [vision.AdjustSharpness(sharpness_factor=2.0).device("Ascend")]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns=["image"])
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(item["image"].shape, item["image"].dtype)
...     break
(100, 100, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.AdjustSharpness(sharpness_factor=0).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8