描述 #

图像重采样算子用于对输入图像进行尺寸重采样（仅支持降采样），并将结果保存到用户指定的 TOS 目录。支持 4 种插值算法（nearest/bilinear/bicubic/lanczos）与 .jpg / .png 输出格式，适用于图像预处理、数据标准化、离线数据集构建等场景。

使用限制 #

• 需要能访问输入图像（公网 URL 或您账号下的 TOS 地址）。
• 仅支持降采样：target_size 的宽高不得超过原图。
• 输入图像格式支持：JPEG/PNG/TIFF（JPG/TIF 作为别名支持）。
• 输入图像大小限制：文件大小不超过 100MB；像素总数不超过 225,000,000。

核心功能 #

1. 多种插值算法

• nearest：速度最快，适合像素风格图像
• bilinear：速度与质量平衡
• bicubic：更平滑的高质量缩放
• lanczos：抗锯齿效果更好，适合照片

2. URL / TOS 输入支持

• image_src_type=image_url：输入公网 URL
• image_src_type=image_tos：输入 tos:// 地址

3. 输出到 TOS

• tos_dir 必填，指定输出目录（文件夹级别）
• 输出文件名由服务端生成（可通过 image_name 辅助命名），并追加 _resample 后缀标识

4. 输出格式与 DPI 控制

• 输出格式支持 .jpg / .png
• 支持设置输出 DPI（target_dpi）

接口说明 #

调用 las_image_resample 算子对输入图像进行重采样（仅支持降采样），并将结果保存到用户指定的 TOS 目录。

请求参数 #

返回数据 #

示例 #

请求示例 #

# 请将 INPUT_IMAGE_URL 设置为可访问的图片 URL
export INPUT_IMAGE_URL="https://example.com/sample.jpg"
# 请将 OUTPUT_TOS_DIR 设置为本账号上可写入的 TOS 目录（文件夹）
export OUTPUT_TOS_DIR="tos://xxxx/las_image_resample/output"

curl --location "https://operator.las.cn-beijing.volces.com/api/v1/process" \
--header "Content-Type: application/json" \
--header "Authorization: Bearer $LAS_API_KEY" \
--data '{
  "operator_id": "las_image_resample",
  "operator_version": "v1",
  "data": {
    "image_src_type": "image_url",
    "image": "$INPUT_IMAGE_URL",
    "tos_dir": "$OUTPUT_TOS_DIR",
    "image_suffix": ".jpg",
    "target_size": [1024, 1024],
    "target_dpi": [72, 72],
    "method": "lanczos"
  }
}'

返回示例 #

{
    "metadata": {
        "task_status": "COMPLETED",
        "business_code": "0",
        "error_msg": "",
        "request_id": "c7b29d78a99f88beda5497753ed60816"
    },
    "data": {
        "image_path": "tos://xxxx/las_image_resample/output/sample_resample.jpg"
    }
}

算子参数 #

输入 #

输出 #

包含处理结果的字典数组，每个元素包含：

• base64: 重采样后图像的base64编码；
• image_path: 本地/TOS存储路径（当配置输出目录时有效）

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 daft 运行算子对图像做重采样。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.image.image_resample import ImageResample
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S.%s".format(),
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()
    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)


    tos_dir_url = os.getenv("TOS_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")
    samples = {
        "image": [
            f"https://{tos_dir_url}/public/shared_image_dataset/cat_ip_adapter.jpeg"
        ],
        "image_name": ["cat_ip_adapter"],
    }

    image_suffix = ".jpg"
    image_src_type = "image_url"
    target_size = (200, 200)
    target_dpi = (72, 72)
    method = "lanczos"
    local_dir = ""
    tos_dir = ""
    num_gpus = 0

    ds = daft.from_pydict(samples)
    ds = ds.with_column(
        "image_resample",
        las_udf(
            ImageResample,
            construct_args={
                "image_suffix": image_suffix,
                "tos_dir": tos_dir,
                "local_dir": local_dir,
                "image_src_type": image_src_type,
                "target_size": target_size,
                "target_dpi": target_dpi,
                "method": method,
            },
            num_gpus=num_gpus,
            batch_size=1,
        )(col("image"), col("image_name")),
    )

    ds.show()

    # ╭────────────────────────────────┬────────────────┬────────────────────────────────────────╮
    # │ image                          ┆ image_name     ┆ image_resample                         │
    # │ ---                            ┆ ---            ┆ ---                                    │
    # │ Utf8                           ┆ Utf8           ┆ Struct[base64: Utf8, image_path: Utf8] │
    # ╞════════════════════════════════╪════════════════╪════════════════════════════════════════╡
    # │ https://las-cn-beijing-public… ┆ cat_ip_adapter ┆ {base64: iVBORw0KGgoAAAANSUhE…         │
    # ╰────────────────────────────────┴────────────────┴────────────────────────────────────────╯