mindspore.dataset.vision.RandomAutoContrast
- 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: