mindspore.dataset.vision.Posterize

class mindspore.dataset.vision.Posterize(bits)

减少图像的颜色通道的比特位数，使图像变得高对比度和颜色鲜艳，类似于海报或印刷品的效果。

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

参数：

• bits (int) - 每个颜色通道保留的位数，取值需在 [0, 8] 范围内。

异常：

• TypeError - 如果 bits 不是int类型。

• ValueError - 如果 bits 不在 [0, 8] 范围内。

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

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.Posterize(4)]
>>> 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.Posterize(4)(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) 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，输入数据仅支持 uint8 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
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> posterize_op = vision.Posterize(4).device("Ascend")
>>> transforms_list = [posterize_op]
>>> 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.Posterize(4).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8