5.18.2. sail.ImagePreProcess
通用预处理接口，内部使用线程池的方式实现。
5.18.2.1. __init__
- 接口形式:
def __init__(self, batch_size: int, resize_mode:sail_resize_type, tpu_id: int=0, queue_in_size: int=20, queue_out_size: int=20, use_mat_output: bool = False)
参数说明:
batch_size: int
输入参数。输出结果的batch size。
resize_mode: sail_resize_type
输入参数。内部尺度变换的方法。
tpu_id: int
输入参数。使用的智能视觉深度学习处理器 id，默认为0。
queue_in_size: int
输入参数。输入图像队列缓存的最大长度，默认为20。
queue_out_size: int
输入参数。输出Tensor队列缓存的最大长度，默认为20。
use_mat_output: bool
输入参数。是否使用OpenCV的Mat作为图片的输出，默认为False，不使用。
5.18.2.2. SetResizeImageAtrr
设置图像尺度变换的属性。
- 接口形式:
def SetResizeImageAtrr(self, output_width: int, output_height: int, bgr2rgb: bool, dtype: ImgDtype) -> None
参数说明:
output_width: int
输入参数。尺度变换之后的图像宽度。
output_height: int
输入参数。尺度变换之后的图像高度。
bgr2rgb: bool
输入参数。是否将图像有BGR转换为GRB。
dtype: ImgDtype
输入参数。图像尺度变换之后的数据类型，当前版本只支持BM_FLOAT32,BM_INT8,BM_UINT8。可根据模型的输入数据类型设置。
5.18.2.3. SetPaddingAtrr
设置Padding的属性，只有在resize_mode为 BM_PADDING_VPP_NEAREST、BM_PADDING_TPU_NEAREST、BM_PADDING_TPU_LINEAR、BM_PADDING_TPU_BICUBIC时生效。
- 接口形式:
def SetPaddingAtrr(self, padding_b: int=114, padding_g: int=114, padding_r: int=114, align: int=0) -> None
参数说明: * padding_b: int
输入参数。要pdding的b通道像素值，默认为114。
padding_g: int
输入参数。要pdding的g通道像素值，默认为114。
padding_r: int
输入参数。要pdding的r通道像素值，默认为114。
align: int
输入参数。图像填充为位置，0表示从左上角开始填充，1表示居中填充，默认为0。
5.18.2.4. SetConvertAtrr
设置线性变换的属性。
- 接口形式:
def SetConvertAtrr(self, alpha_beta) -> int
参数说明:
alpha_beta: (a0, b0), (a1, b1), (a2, b2)。输入参数。
a0 描述了第 0 个 channel 进行线性变换的系数；
b0 描述了第 0 个 channel 进行线性变换的偏移；
a1 描述了第 1 个 channel 进行线性变换的系数；
b1 描述了第 1 个 channel 进行线性变换的偏移；
a2 描述了第 2 个 channel 进行线性变换的系数；
b2 描述了第 2 个 channel 进行线性变换的偏移；
返回值说明:
设置成功返回0，其他值时设置失败。
5.18.2.5. PushImage
送入数据。
- 接口形式:
def PushImage(self, channel_idx: int, image_idx: int, image: BMImage) -> int
参数说明:
channel_idx: int
输入参数。输入图像的通道号。
image_idx: int
输入参数。输入图像的编号。
image: BMImage
输入参数。输入图像。
返回值说明:
设置成功返回0，其他值时表示失败。
5.18.2.6. GetBatchData
获取处理的结果。
- 接口形式:
def GetBatchData(self) -> tuple[Tensor, list[BMImage],list[int],list[int],list[list[int]]] """ Get the Batch Data object
返回值说明: tuple[data, images, channels, image_idxs, padding_attrs]
data: Tensor
处理后的结果Tensor。
images: list[BMImage]
原始图像序列。
channels: list[int]
原始图像的通道序列。
image_idxs: list[int]
原始图像的编号序列。
padding_attrs: list[list[int]]
填充图像的属性列表，填充的起始点坐标x、起始点坐标y、尺度变换之后的宽度、尺度变换之后的高度
5.18.2.7. set_print_flag
设置打印日志的标志位，不调用此接口时不打印日志。
- 接口形式:
def set_print_flag(self, flag: bool) -> None:
返回值说明:
flag: bool
打印的标志位，False时表示不打印，True时表示打印。
- 示例代码:
import sophon.sail as sail import numpy as np import cv2 as cv if __name__ == '__main__': tpu_id = 0 batch_size = 1 image_path = "./data/zidane.jpg" handle = sail.Handle(tpu_id) alpha_beta = (1, 0), (1, 0), (1, 0) decoder = sail.Decoder(image_path, False, tpu_id) sail_ipp = sail.ImagePreProcess(batch_size, sail.sail_resize_type.BM_RESIZE_VPP_NEAREST, tpu_id, 20, 20, False) sail_ipp.SetResizeImageAtrr(640, 640, False, sail.ImgDtype.DATA_TYPE_EXT_1N_BYTE) ret1 = sail_ipp.SetConvertAtrr(alpha_beta) # sail_ipp.set_print_flag(True) bm_i = sail.BMImage() for i in range(0, batch_size): decoder.read(handle, bm_i) sail_ipp.PushImage(0, i, bm_i) result = sail_ipp.GetBatchData() decoder.release() tensor = result[0] t_npy = tensor.asnumpy() result_img = t_npy[0].transpose(1, 2, 0) raw_img = cv.imread(image_path) resize_img = cv.resize(raw_img, (640, 640), interpolation=cv.INTER_NEAREST) max_diff = abs((resize_img.astype(int) - result_img.astype(int)).max()) min_diff = abs((resize_img.astype(int) - result_img.astype(int)).min()) diff = max(max_diff, min_diff) print(max_diff,min_diff,diff)