mindspore.dataset.vision.RandomCropWithBBox

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

在输入图像的随机位置进行裁剪并相应地调整边界框。

参数:
  • size (Union[int, Sequence[int]]) - 裁剪图像的输出尺寸大小。大小值必须为正。 如果 size 是整数,则返回一个裁剪尺寸大小为 (size, size) 的正方形。 如果 size 是一个长度为 2 的序列,则以2个元素分别为高和宽放缩至(高度, 宽度)大小。

  • padding (Union[int, Sequence[int]], 可选) - 填充图像的像素数。填充值必须非负值。默认值: None 。 如果 padding 不为 None,则首先使用 padding 填充图像。 如果 padding 是一个整数,代表为图像的所有方向填充该值大小的像素。 如果 padding 是一个包含2个值的元组或列表,第一个值会用于填充图像的左侧和右侧,第二个值会用于填充图像的上侧和下侧。 如果 padding 是一个包含4个值的元组或列表,则分别填充图像的左侧、上侧、右侧和下侧。

  • pad_if_needed (bool, 可选) - 如果输入图像高度或者宽度小于 size 指定的输出图像尺寸大小,是否进行填充。默认值: False

  • fill_value (Union[int, tuple[int]], 可选) - 边框的像素强度,仅当 padding_modeBorder.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。它可以是 Border.CONSTANTBorder.EDGEBorder.REFLECTBorder.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Sequence[int]类型。

  • TypeError - 如果 padding 不是int或Sequence[int]类型。

  • TypeError - 如果 pad_if_needed 不是bool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 padding 为负数。

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

  • 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=(100, 100, 3)).astype(np.float32)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> func = lambda img: (data, np.array([[0, 0, data.shape[1], data.shape[0]]]).astype(np.float32))
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=[func],
...                                                 input_columns=["image"],
...                                                 output_columns=["image", "bbox"])
>>> random_crop_with_bbox_op = vision.RandomCropWithBBox([64, 64], [20, 20, 20, 20])
>>> transforms_list = [random_crop_with_bbox_op]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns=["image", "bbox"])
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(item["image"].shape, item["image"].dtype)
...     print(item["bbox"].shape, item["bbox"].dtype)
...     break
(64, 64, 3) float32
(1, 4) float32
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.float32)
>>> func = lambda img: (data, np.array([[0, 0, data.shape[1], data.shape[0]]]).astype(data.dtype))
>>> func_data, func_bboxes = func(data)
>>> output = vision.RandomCropWithBBox([64, 64], [20, 20, 20, 20])(func_data, func_bboxes)
>>> print(output[0].shape, output[0].dtype)
(64, 64, 3) float32
>>> print(output[1].shape, output[1].dtype)
(1, 4) float32
教程样例: