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 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))
print('converted boxes', converted_boxes)