mindspore.dataset.vision.PadToSize

查看源文件
class mindspore.dataset.vision.PadToSize(size, offset=None, fill_value=0, padding_mode=Border.CONSTANT)[源代码]

将图像填充到固定大小。

参数：

  • size (Union[int, Sequence[int, int]]) - 要填充的目标大小。 若输入整型，则将图像填充为(size, size)大小；如果提供了序列[int, int]，则将图像填充为(高度, 宽度)大小。

  • offset (Union[int, Sequence[int, int]], 可选) - 顶部和左侧要填充的长度。 如果输入整型，使用此值填充图像上侧和左侧。 如果提供了序列[int, int]，则应按[top, left]的顺序排列，填充图像上侧和左侧。 默认值： None ，表示对称填充，保持原始图像处于中心位置。

  • fill_value (Union[int, tuple[int, int, int]], 可选) - 填充的像素值，仅在 padding_mode 取值为 Border.CONSTANT 时有效。 如果是3元素元组，则分别用于填充R、G、B通道。 如果是整数，则用于所有 RGB 通道。 fill_value 值必须在 [0, 255] 范围内。默认值： 0 。

  • padding_mode (Border, 可选) - 边界填充方式。可以是 Border.CONSTANT 、 Border.EDGE 、 Border.REFLECT 、 Border.SYMMETRIC 。默认值： Border.CONSTANT 。

    • Border.CONSTANT - 使用常量值进行填充。

    • Border.EDGE - 使用各边的边界像素值进行填充。

    • Border.REFLECT - 以各边的边界为轴进行镜像填充，忽略边界像素值。

    • Border.SYMMETRIC - 以各边的边界为轴进行对称填充，包括边界像素值。

异常：

  • TypeError - 如果 size 不是int或tuple[int, int]类型。

  • TypeError - 如果 offset 不是int或tupl[int, int]类型。

  • TypeError - 如果 fill_value 不是int或tuple[int]类型。

  • TypeError - 如果 padding_mode 不是 mindspore.dataset.vision.Border 的类型。

  • ValueError - 如果 size 不是正数。

  • ValueError - 如果 offset 为负数。

  • ValueError - 如果 fill_value 不在[0, 255]的范围内。

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

支持平台：

CPU

样例：

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>>
>>> # Use the transform in dataset pipeline mode
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> transforms_list = [vision.PadToSize([256, 256])]
>>> 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
(256, 256, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.PadToSize([256, 256])(data)
>>> print(output.shape, output.dtype)
(256, 256, 3) uint8
教程样例：