mindspore.dataset.vision.AdjustSaturation

class mindspore.dataset.vision.AdjustSaturation(saturation_factor)

调整输入图像的饱和度。

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

参数：

• saturation_factor (float) - 饱和度调节因子，需为非负数。输入 0 值将得到全黑图像， 1 值将得到原始图像， 2 值将调整图像饱和度为原来的2倍。

异常：

• TypeError - 如果 saturation_factor 不是float类型。

• ValueError - 如果 saturation_factor 小于0。

• RuntimeError - 如果输入图像的形状不是<H, W, C>。

• RuntimeError - 如果输入图像的通道数不是3。

支持平台：

CPU Ascend

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.AdjustSaturation(saturation_factor=2.0)]
>>> 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.AdjustSaturation(saturation_factor=2.0)(data)
>>> print(output.shape, output.dtype)
(2, 2, 3) uint8

教程样例：

• 视觉变换样例库

device(device_target='CPU')

指定该变换执行的设备。

• 当执行设备是 Ascend 时，输入数据的维度限制为[4, 6]和[8192, 4096]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 CPU 和 Ascend 。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
>>>
>>> # 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.AdjustSaturation(2.0).device("Ascend")]
>>> 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.AdjustSaturation(saturation_factor=2.0).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8