mindspore.dataset.vision.RandomAdjustSharpness
- class mindspore.dataset.vision.RandomAdjustSharpness(degree, prob=0.5)[源代码]
以给定的概率随机调整输入图像的锐度。
- 参数:
degree (float) - 锐度调整度,必须是非负的。
0.0
度表示模糊图像,1.0
度表示原始图像,2.0
度表示清晰度增加2倍。prob (float, 可选) - 图像被锐化的概率,取值范围:[0.0, 1.0]。默认值:
0.5
。
- 异常:
TypeError - 如果 degree 的类型不为float。
TypeError - 如果 prob 的类型不为float。
ValueError - 如果 prob 不在 [0.0, 1.0] 范围。
ValueError - 如果 degree 为负数。
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.RandomAdjustSharpness(2.0, 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.RandomAdjustSharpness(2.0, 1.0)(data) >>> print(output.shape, output.dtype) (100, 100, 3) uint8
- 教程样例: