此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • ImageOutputParser
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包

image_output

最后更新
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)。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
1def __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
1def 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
1def compute(output_image):
计算从提取的张量中解析结果,而不发送消息。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
1def 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
1def 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
1def 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
1def setBGROutput(self):
设置指示输出图像为 BGR 的标志。
setOutputLayerName
Python
1def 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。