mindspore.dataset.vision.Erase

查看源文件
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。

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

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[float, Sequence[float, float, float]],可选) - 擦除区域的像素填充值。默认值: 0 。 若输入float,将以该值填充RGB通道; 若输入Sequence[float, float, float],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float或Sequence[float, float, float]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 Ascend

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.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.Erase(10, 10, 10, 10)(data)
>>> print(output.shape, output.dtype)
(100, 100, 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,输入数据支持 uint8 或者 float32 类型,输入数据的通道仅支持1和3。输入数据的高度限制范围为[4, 8192]、宽度限制范围为[6, 4096]。不支持 inplace 参数。

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
>>>
>>> # 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, (100, 100, 100)).device("Ascend")]
>>> 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.Erase(10, 10, 10, 10, (100, 100, 100)).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8