mindspore.dataset.vision.RandomAutoContrast

查看源文件
class mindspore.dataset.vision.RandomAutoContrast(cutoff=0.0, ignore=None, prob=0.5)[源代码]

以给定的概率自动调整图像的对比度。

参数：

  • cutoff (float, 可选) - 输入图像直方图中需要剔除的最亮和最暗像素的百分比。该值必须在 [0.0, 50.0) 范围内。默认值： 0.0 。

  • ignore (Union[int, sequence], 可选) - 要忽略的背景像素值，该值必须在 [0, 255] 范围内。默认值： None 。

  • prob (float, 可选) - 图像被调整对比度的概率，取值范围：[0.0, 1.0]。默认值： 0.5 。

异常：

  • TypeError - 如果 cutoff 不是float类型。

  • TypeError - 如果 ignore 不是int或sequence类型。

  • TypeError - 如果 prob 的类型不为float。

  • ValueError - 如果 cutoff 不在[0, 50.0) 范围内。

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

  • ValueError - 如果 prob 不在 [0.0, 1.0] 范围。

  • RuntimeError - 如果输入图像的shape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.RandomAutoContrast(cutoff=0.0, ignore=None, prob=0.5)]
>>> 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.RandomAutoContrast(cutoff=0.0, ignore=None, prob=1.0)(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8
教程样例：