mindspore.dataset.vision.RandomResizedCrop

查看源文件
class mindspore.dataset.vision.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(3.0 / 4.0, 4.0 / 3.0), interpolation=Inter.BILINEAR, max_attempts=10)[源代码]

对输入图像进行随机裁剪，并使用指定的 mindspore.dataset.vision.Inter 插值方式去调整为指定的尺寸大小。

说明

如果输入图像不止一张，需要保证输入的多张图像尺寸大小一致。

参数：

  • size (Union[int, Sequence[int]]) - 图像的输出尺寸大小。若输入整型，则放缩至(size, size)大小；若输入2元素序列，则以2个元素分别为高和宽放缩至(高度, 宽度)大小。

  • scale (Union[list, tuple], 可选) - 裁剪子图的尺寸大小相对原图比例的随机选取范围，需要在[min, max)区间。默认值： (0.08, 1.0) 。

  • ratio (Union[list, tuple], 可选) - 裁剪子图的宽高比的随机选取范围，需要在[min, max)区间。默认值： (3. / 4., 4. / 3.) 。

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

  • max_attempts (int, 可选) - 生成随机裁剪位置的最大尝试次数，超过该次数时将使用中心裁剪。默认值： 10 。

异常：

  • TypeError - 当 size 的类型不为int或Sequence[int]。

  • TypeError - 当 scale 的类型不为tuple或list。

  • TypeError - 当 ratio 的类型不为tuple或list。

  • TypeError - 当 interpolation 的类型不为 mindspore.dataset.vision.Inter 。

  • TypeError - 当 max_attempts 的类型不为int。

  • ValueError - 当 size 不为正数。

  • ValueError - 当 scale 为负数。

  • ValueError - 当 ratio 为负数。

  • ValueError - 当 max_attempts 不为正数。

支持平台：

CPU

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
>>> resize_crop_op = vision.RandomResizedCrop(size=(50, 75), scale=(0.25, 0.5),
...                                           interpolation=Inter.BILINEAR)
>>> transforms_list = [resize_crop_op]
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> 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
(50, 75, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.RandomResizedCrop(size=(50, 75), scale=(0.25, 0.5), interpolation=Inter.BILINEAR)(data)
>>> print(output.shape, output.dtype)
(50, 75, 3) uint8
教程样例：