BaseTransform¶

class paddle.vision.transforms. BaseTransform ( keys=None ) [源代码] ¶

视觉中图像变化的基类。

调用逻辑：

         if keys is None:
    _get_params -> _apply_image()
else:
    _get_params -> _apply_*() for * in keys

        

如果你想要定义自己的图像变化方法，需要重写子类中的 _apply_* 方法，否则将引发 NotImplementedError 错误。

参数¶

keys (list[str]|tuple[str]，可选) - 输入的类型。你的输入可以是单一的图像，也可以是包含不同数据结构的元组，keys 可以用来指定输入类型。举个例子，如果你的输入就是一个单一的图像，那么 keys 可以为 None 或者 ("image")。如果你的输入是两个图像：(image, image)，那么 keys 应该设置为 ("image", "image")。如果你的输入是 (image, boxes)，那么 keys 应该为 ("image", "boxes")。目前支持的数据类型如下所示：

"image"：输入的图像，它的维度为 (H, W, C) 。

"coords"：输入的左边，它的维度为 (N, 2) 。

"boxes"：输入的矩形框，他的维度为 (N, 4)，形式为 "xyxy"，第一个 "xy" 表示矩形框左上方的坐标，第二个 "xy" 表示矩形框右下方的坐标。

"mask"：分割的掩码，它的维度为 (H, W, 1) 。

你也可以通过自定义 _apply_ 的方法来处理特殊的数据结构。

返回¶

PIL.Image 或 numpy ndarray，变换后的图像。

代码示例¶

          >>> import numpy as np
>>> from PIL import Image
>>> import paddle.vision.transforms.functional as F
>>> from paddle.vision.transforms import BaseTransform

>>> def _get_image_size(img):
...     if F._is_pil_image(img):
...         return img.size
...     elif F._is_numpy_image(img):
...         return img.shape[:2][::-1]
...     else:
...         raise TypeError("Unexpected type {}".format(type(img)))
...
>>> class CustomRandomFlip(BaseTransform):
...     def __init__(self, prob=0.5, keys=None):
...         super().__init__(keys)
...         self.prob = prob
...
...     def _get_params(self, inputs):
...         image = inputs[self.keys.index('image')]
...         params = {}
...         params['flip'] = np.random.random() < self.prob
...         params['size'] = _get_image_size(image)
...         return params
...
...     def _apply_image(self, image):
...         if self.params['flip']:
...             return F.hflip(image)
...         return image
...
...     # if you only want to transform image, do not need to rewrite this function
...     def _apply_coords(self, coords):
...         if self.params['flip']:
...             w = self.params['size'][0]
...             coords[:, 0] = w - coords[:, 0]
...         return coords
...
...     # if you only want to transform image, do not need to rewrite this function
...     def _apply_boxes(self, boxes):
...         idxs = np.array([(0, 1), (2, 1), (0, 3), (2, 3)]).flatten()
...         coords = np.asarray(boxes).reshape(-1, 4)[:, idxs].reshape(-1, 2)
...         coords = self._apply_coords(coords).reshape((-1, 4, 2))
...         minxy = coords.min(axis=1)
...         maxxy = coords.max(axis=1)
...         trans_boxes = np.concatenate((minxy, maxxy), axis=1)
...         return trans_boxes
...
...     # if you only want to transform image, do not need to rewrite this function
...     def _apply_mask(self, mask):
...         if self.params['flip']:
...             return F.hflip(mask)
...         return mask
...
>>> # create fake inputs
>>> fake_img = Image.fromarray((np.random.rand(400, 500, 3) * 255.).astype('uint8'))
>>> fake_boxes = np.array([[2, 3, 200, 300], [50, 60, 80, 100]])
>>> fake_mask = fake_img.convert('L')
>>> # only transform for image:
>>> flip_transform = CustomRandomFlip(1.0)
>>> converted_img = flip_transform(fake_img)
>>> # transform for image, boxes and mask
>>> flip_transform = CustomRandomFlip(1.0, keys=('image', 'boxes', 'mask'))
>>> (converted_img, converted_boxes, converted_mask) = flip_transform((fake_img, fake_boxes, fake_mask))
>>> converted_boxes
array([[300,   3, 498, 300],
       [420,  60, 450, 100]])

         