mindspore.dataset.vision.Solarize
- class mindspore.dataset.vision.Solarize(threshold)[源代码]
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:
- 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