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：