算子ID：daft.las.functions.image.image_sharpness.ImageSharpness

描述 #

图像清晰度计算处理器，支持多种清晰度评估方法。

核心功能 #

• 提供4种专业级清晰度评估方法：
  • 拉普拉斯方差法（laplacian） - 基于二阶导数的边缘检测，计算简单快速
  • Tenengrad法（tenengrad） - 基于Sobel梯度的边缘强度，对噪声敏感
  • Brenner法（brenner） - 基于相邻像素灰度差的简单计算，速度最快
  • FFT高频能量法（fft_highfreq） - 基于频域分析的清晰度评估，对模糊更敏感
• 多格式输入支持：
  • URL地址（image_url）
  • Base64编码（image_base64）
  • 二进制流（image_binary）
• 高精度计算：
  • 支持处理各种尺寸和格式的图像
  • 自动处理NaN值和异常情况

算子参数 #

输入 #

输出 #

包含清晰度计算结果的浮点数组

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 运行算子对图像做清晰度计算。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.image.image_sharpness import ImageSharpness
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.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_src_type = "image_url"
    method = "laplacian"
    num_gpus = 0

    ds = daft.from_pydict(samples)
    ds = ds.with_column(
        "image_sharpness",
        las_udf(
            ImageSharpness,
            construct_args={
                "image_src_type": image_src_type,
                "method": method,
            },
            num_gpus=num_gpus,
            batch_size=1,
        )(col("image")),
    )

    ds.show()

    # ╭────────────────────────────────┬───────────────────────╮
    # │ image                          ┆ image_sharpness       │
    # │ ---                            ┆ ---                   │
    # │ Utf8                           ┆ Float64               │
    # ╞════════════════════════════════╪═══════════════════════╡
    # │ https://las-cn-beijing-public… ┆ 1234.56               │
    # ╰────────────────────────────────┴───────────────────────╯