# image_output

Python API: `depthai_nodes.node.parsers.image_output`

## 类

### ImageOutputParser

用于图像到图像模型（例如 DnCNN3、zero-dce 等）的解析器类，其中输出是修改后的图像（去噪、增强等）。

> **Note**
> 发出 `dai.ImgFrame` 消息。包含输出图像（例如去噪或增强图像）的图像消息。

引发

 * `ValueError`: 如果输出不是 3 维或 4 维。
 * `ValueError`: 如果输出层数不是 1。

#### 方法

##### init

```python
def __init__(output_layer_name: str = '', output_is_bgr: bool = False):
```

初始化解析器节点。

参数

 * `output_layer_name` (`str`): 输出张量名称。空名称在提取期间选择唯一可用的输出层。
 * `output_is_bgr` (`bool`): 输出图像是否使用 BGR 通道顺序。

##### build

```python
def build(head_config: dict[str, Any]) -> ImageOutputParser:
```

配置解析器。

参数

 * `head_config` (`dict[str, Any]`): 解析器的头部配置。

返回

 * `ImageOutputParser`: 设置了头部配置的解析器对象。

##### compute

```python
def compute(output_image):
```

计算从提取的张量中解析结果，而不发送消息。

> **Note**
> 使用 [depthai_nodes.node.parsers.utils.image_output.compute_image_output](/software-v3/ai-inference/inference/depthai-nodes/depthai-nodes-api-reference/node/parsers/utils/image_output.md)；有关张量布局和验证详细信息，请参阅该帮助程序。

参数

 * `output_image`: CHW 或 HWC 张量，可选地前面带有一个单例批次维度。

返回

 * 一个 uint8 数组，具有与未批处理输入相同的通道布局。值按最小-最大缩放到 [0, 255]；常量张量变为零。

##### emit

```python
def emit(output: dai.NNData, image):
```

创建 `dai.ImgFrame` 消息并将其发送到 `out`。

复制源时间戳和序列号，并在存在时携带源图像转换。

参数

 * `output` (`dai.NNData`): 携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。
 * `image`: `compute()` 返回的图像数组。

##### extract

```python
def extract(output: dai.NNData):
```

选择并反量化解析所需的模型张量。

参数

 * `output` (`dai.NNData`): 携带张量和源时间戳、序列号以及可选图像转换的神经网络输出。

返回

 * 保留模型张量布局的反量化图像张量。

引发

 * `ValueError`: 如果未配置输出名称且消息不包含恰好一个层，或者未满足配置的类要求。

##### run

```python
def run(self):
```

读取排队的网络输出，解析它们，并在运行时发出结果。

管道调用此处理循环。当输入队列关闭或节点停止时，它将退出。

##### setBGROutput

```python
def setBGROutput(self):
```

设置指示输出图像为 BGR 的标志。

##### setOutputLayerName

```python
def setOutputLayerName(output_layer_name: str):
```

设置输出层的名称。

参数

 * `output_layer_name` (`str`): 输出层的名称。

#### 属性

##### output_is_bgr

指示输出图像是否为 BGR（蓝-绿-红）格式的标志。

##### output_layer_name

与解析器相关的输出层的名称。
