mindspore.dataset.vision.Erase
- class mindspore.dataset.vision.Erase(top, left, height, width, value=0, inplace=False)[源代码]
使用指定的值擦除输入图像。
- 参数:
top (int) - 擦除区域左上角位置的纵坐标。
left (int) - 擦除区域左上角位置的横坐标。
height (int) - 擦除区域的高度。
width (int) - 擦除区域的宽度。
value (Union[int, Sequence[int, int, int]],可选) - 擦除区域的像素填充值。默认值:
0
。 若输入int,将以该值填充RGB通道; 若输入Sequence[int, int, int],将分别用于填充R、G、B通道。inplace (bool,可选) - 是否直接在原图上执行擦除。默认值:
False
。
- 异常:
TypeError - 如果 top 不是int类型。
ValueError - 如果 top 为负数。
TypeError - 如果 left 不是int类型。
ValueError - 如果 left 为负数。
TypeError - 如果 height 不是int类型。
ValueError - 如果 height 非正数。
TypeError - 如果 width 不是int类型。
ValueError - 如果 width 非正数。
TypeError - 如果 value 不是int或Sequence[int, int, int]类型。
ValueError - 如果 value 中元素的值不在[0, 255]范围。
TypeError - 如果 inplace 不是bool类型。
RuntimeError - 如果输入图像的形状不是 <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.Erase(10,10,10,10)] >>> 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.Erase(0, 0, 2, 1)(data) >>> print(output.shape, output.dtype) (2, 2, 3) uint8
- 教程样例: