mindspore.dataset.vision.Affine

查看源文件
class mindspore.dataset.vision.Affine(degrees, translate, scale, shear, resample=Inter.NEAREST, fill_value=0)[源代码]

对输入图像进行仿射变换,保持图像中心不动。

支持 Ascend 硬件加速,需要通过 .device("Ascend") 方式开启。

参数:
  • degrees (float) - 顺时针的旋转角度,取值需为-180到180之间。

  • translate (Sequence[float, float]) - 水平和垂直方向上的平移长度,需为2元素序列,取值在-1和1之间。

  • scale (float) - 放缩因子,需为正数。

  • shear (Union[float, Sequence[float, float]]) - 裁切度数,取值需为-180到180之间。 若输入单个数值,表示平行于X轴的裁切角度,不进行Y轴上的裁切; 若输入序列[float, float],分别表示平行于X轴和Y轴的裁切角度。

  • resample (Inter, 可选) - 图像插值方法。可选值详见 mindspore.dataset.vision.Inter 。 默认值: Inter.NEAREST

  • fill_value (Union[int, tuple[int, int, int]], 可选) - 用于填充输出图像中变换之外的区域。元组中必须有三个值,取值范围是[0, 255]。默认值: 0

异常:
  • TypeError - 如果 degrees 不是float类型。

  • TypeError - 如果 translate 不是Sequence[float, float]类型。

  • TypeError - 如果 scale 不是float类型。

  • ValueError - 如果 scale 非正数。

  • TypeError - 如果 shear 不是float或Sequence[float, float]类型。

  • TypeError - 如果 resample 不是 mindspore.dataset.vision.Inter 的类型。

  • TypeError - 如果 fill_value 不是int或tuple[int, int, int]类型。

  • RuntimeError - 如果输入图像的shape不是 <H, W> 或 <H, W, C>。

支持平台:

CPU Ascend

样例:

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> from mindspore.dataset.vision import Inter
>>>
>>> # 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"])
>>> affine_op = vision.Affine(degrees=15, translate=[0.2, 0.2], scale=1.1, shear=[1.0, 1.0],
...                           resample=Inter.BILINEAR)
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=[affine_op], 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.Affine(degrees=15, translate=[0.2, 0.2], scale=1.1,
...                        shear=[1.0, 1.0], resample=Inter.BILINEAR)(data)
>>> print(output.shape, output.dtype)
(2, 2, 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,输入数据的维度限制为[4, 6]和[32768, 32768]之间。

参数:
  • device_target (str, 可选) - 算子将在指定的设备上运行。当前支持 CPUAscend 。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
>>> from mindspore.dataset.vision import Inter
>>>
>>> # 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"])
>>> affine_op = vision.Affine(degrees=15, translate=[0.2, 0.2], scale=1.1,
...                           shear=[1.0, 1.0], resample=Inter.BILINEAR).device("Ascend")
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=[affine_op], 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.Affine(degrees=15, translate=[0.2, 0.2], scale=1.1,
...                        shear=[1.0, 1.0], resample=Inter.BILINEAR).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8