mindspore.dataset.vision.ResizedCrop

查看源文件
class mindspore.dataset.vision.ResizedCrop(top, left, height, width, size, interpolation=Inter.BILINEAR)[源代码]

裁切输入图像的指定区域并放缩到指定尺寸大小。

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

参数:
  • top (int) - 裁切区域左上角位置的纵坐标。

  • left (int) - 裁切区域左上角位置的横坐标。

  • height (int) - 裁切区域的高度。

  • width (int) - 裁切区域的宽度。

  • size (Union[int, Sequence[int, int]]) - 图像的输出尺寸大小。 若输入int,将调整图像的较短边长度为 size ,且保持图像的宽高比不变; 若输入Sequence[int, int],其输入格式需要是 (高度, 宽度) 。

  • interpolation (Inter, 可选) - 图像插值方法。可选值详见 mindspore.dataset.vision.Inter 。 默认值: Inter.BILINEAR

异常:
  • TypeError - 如果 top 不为int类型。

  • ValueError - 如果 top 为负数。

  • TypeError - 如果 left 不为int类型。

  • ValueError - 如果 left 为负数。

  • TypeError - 如果 height 不为int类型。

  • ValueError - 如果 height 不为正数。

  • TypeError - 如果 width 不为int类型。

  • ValueError - 如果 width 不为正数。

  • TypeError - 如果 size 不为int或Sequence[int, int]类型。

  • ValueError - 如果 size 不为正数。

  • TypeError - 如果 interpolation 不为 mindspore.dataset.vision.Inter 类型。

  • 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
>>> from mindspore.dataset.vision import Inter
>>>
>>> # Use the transform in dataset pipeline mode
>>> transforms_list = [vision.ResizedCrop(0, 0, 64, 64, (100, 75), Inter.BILINEAR)]
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> 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, 75, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.ResizedCrop(0, 0, 1, 1, (5, 5), Inter.BILINEAR)(data)
>>> print(output.shape, output.dtype)
(5, 5, 3) uint8
教程样例:
device(device_target='CPU')[源代码]

指定该变换执行的设备。

  • 当执行设备是 Ascend 时,输入/输出数据的维度限制为[4, 6]和[32768, 32768]之间。

参数:
  • device_target (str, 可选) - 算子将在指定的设备上运行。当前支持 CPUAscend 。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
>>> from mindspore.dataset.vision import Inter
>>>
>>> # 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"])
>>> resize_crop_op = vision.ResizedCrop(0, 0, 64, 64, (100, 75)).device("Ascend")
>>> transforms_list = [resize_crop_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, 75, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.ResizedCrop(0, 0, 64, 64, (32, 16), Inter.BILINEAR).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(32, 16, 3) uint8