mindspore.dataset.vision.Solarize

class mindspore.dataset.vision.Solarize(threshold)

通过反转阈值内的所有像素值，对输入图像进行曝光。

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

参数：

• threshold (Union[float, Sequence[float, float]]) - 反转的像素阈值范围，应该以（min，max）的格式提供， 其中min和max是[0，255]范围内的整数，并且min <= max，那么属于[min, max]这个区间的像素值会被反转。如果只提供一个值或min = max，则反转大于等与min（max）的所有像素值。

异常：

• TypeError - 如果 threshold 不为float或Sequence[float, float]类型。

• ValueError - 如果 threshold 的取值不在[0, 255]范围内。

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.Solarize(threshold=(10, 100))]
>>> 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.Solarize(threshold=(1, 10))(data)
>>> print(output.shape, output.dtype)
(100, 100, 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，输入数据仅支持 uint8 类型，输入数据的通道仅支持1和3。输入数据的高度限制范围为[4, 8192]、宽度限制范围为[6, 4096]。

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"])
>>> solarize_op = vision.Solarize(threshold=(10, 100)).device("Ascend")
>>> transforms_list = [solarize_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, 100, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.Solarize(threshold=(10, 100)).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8