mindspore.dataset.vision.AdjustGamma
- class mindspore.dataset.vision.AdjustGamma(gamma, gain=1)[源代码]
对输入图像应用伽马校正。输入图片shape应该为 <…, H, W, C>或<H, W>。
\[I_{\text{out}} = 255 \times \text{gain} \times \left(\frac{I_{\text{in}}}{255}\right)^{\gamma}\]更多详细信息,请参见 Gamma矫正 。
- 参数:
gamma (float) - 非负实数。输出图像像素值与输入图像像素值呈指数相关。 gamma 大于
1
使阴影更暗,而 gamma 小于1
使黑暗区域更亮。gain (float, 可选) - 常数乘数。默认值:
1.0
。
- 异常:
TypeError - 如果 gain 不是浮点类型。
TypeError - 如果 gamma 不是浮点类型。
ValueError - 如果 gamma 小于0。
RuntimeError - 如果给定的张量形状不是<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 >>> >>> # 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.AdjustGamma(gamma=10.0, gain=1.0)] >>> 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.array([[0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5]], dtype=np.uint8).reshape((2, 2, 3)) >>> output = vision.AdjustGamma(gamma=0.1, gain=1.0)(data) >>> print(output.shape, output.dtype) (2, 2, 3) uint8
- 教程样例: