mindspore.dataset.vision.CenterCrop
- class mindspore.dataset.vision.CenterCrop(size)[源代码]
对输入图像应用中心区域裁剪。如果输入图像尺寸小于输出尺寸,则在裁剪前对输入图像边界填充0像素。
- 参数:
size (Union[int, sequence]) - 裁剪区域尺寸大小。 如果 size 是整数,则返回一个裁剪尺寸大小为 (size, size) 的正方形。 如果 size 是一个长度为 2 的序列,则以2个元素分别为高和宽放缩至(高度, 宽度)大小。 值必须大于 0。
- 异常:
TypeError - 如果 size 不是int或sequence类型。
ValueError - 如果 size 小于或等于 0。
RuntimeError - 如果输入图像的shape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"]) >>> >>> # crop image to a square >>> transforms_list1 = [vision.CenterCrop(50)] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list1, 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 (50, 50, 3) uint8 >>> >>> # crop image to portrait style >>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"]) >>> transforms_list2 = [vision.CenterCrop((60, 40))] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list2, 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 (60, 40, 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.CenterCrop(1)(data) >>> print(output.shape, output.dtype) (1, 1, 3) uint8
- 教程样例: