mindspore.dataset.vision.RandomAdjustSharpness

class mindspore.dataset.vision.RandomAdjustSharpness(degree, prob=0.5)[源代码]

以给定的概率随机调整输入图像的锐度。

参数:
  • degree (float) - 锐度调整度,必须是非负的。 0.0 度表示模糊图像, 1.0 度表示原始图像, 2.0 度表示清晰度增加2倍。

  • prob (float, 可选) - 图像被锐化的概率,取值范围:[0.0, 1.0]。默认值: 0.5

异常:
  • TypeError - 如果 degree 的类型不为float。

  • TypeError - 如果 prob 的类型不为float。

  • ValueError - 如果 prob 不在 [0.0, 1.0] 范围。

  • ValueError - 如果 degree 为负数。

  • RuntimeError -如果给定的张量形状不是<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"])
>>> transforms_list = [vision.RandomAdjustSharpness(2.0, 0.5)]
>>> 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.RandomAdjustSharpness(2.0, 1.0)(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8
教程样例: