Buckets:

hf-doc-build
/

doc

Files
xet
hf-doc-build/doc / diffusers /main /tr /api /image_processor.md
mishig
about 21 hours ago
preview code
download
raw
28 kB
# VAE Görüntü İşleyici

[VaeImageProcessor](/docs/diffusers/main/tr/api/image_processor#diffusers.VaeImageProcessor), [StableDiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/text2img#diffusers.StableDiffusionPipeline)ler için VAE kodlamaya hazırlanacak görüntü girdilerini ve çözümlendikten sonra işlenecek çıktıları yöneten birleşik bir API sağlar. Bu, yeniden boyutlandırma, normalizasyon ve PIL Image, PyTorch ile NumPy dizileri arasında dönüşüm gibi dönüşümleri içerir.

[VaeImageProcessor](/docs/diffusers/main/tr/api/image_processor#diffusers.VaeImageProcessor) içeren tüm pipeline'lar, görüntü girdisi olarak PIL Image, PyTorch tensor veya NumPy dizilerini kabul eder ve çıktıları, kullanıcının `output_type` argümanına göre döndürür. Kodlanmış görüntü latentlerini doğrudan pipeline'a iletebilir ve `output_type` argümanını kullanarak (örneğin `output_type="latent"`) pipeline'dan latentleri belirli bir çıktı olarak alabilirsiniz. Bu, bir pipeline'dan üretilen latentleri latent uzaydan çıkmadan başka bir pipeline'a girdi olarak iletebilmenizi sağlar. Ayrıca, PyTorch tensorlerini farklı pipeline'lar arasında doğrudan ileterek birden fazla pipeline'ı birlikte kullanmayı çok daha kolay hale getirir.

## VaeImageProcessor[[diffusers.VaeImageProcessor]]

#### diffusers.VaeImageProcessor[[diffusers.VaeImageProcessor]]

```python
diffusers.VaeImageProcessor(do_resize: bool = True, vae_scale_factor: int = 8, vae_latent_channels: int = 4, resample: str = 'lanczos', reducing_gap: int | None = None, do_normalize: bool = True, do_binarize: bool = False, do_convert_rgb: bool = False, do_convert_grayscale: bool = False)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L83)

**Parametreler:**

do_resize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görselin (yükseklik, genişlik) boyutlarını `vae_scale_factor`'ün katlarına ölçeklendirmeyi azaltıp azaltmayacağını belirtir. [image_processor.VaeImageProcessor.preprocess()](/docs/diffusers/main/tr/api/image_processor#diffusers.VaeImageProcessor.preprocess) metodundan `height` ve `width` argümanlarını kabul edebilir.
vae_scale_factor (`int`, *isteğe bağlı*, varsayılan `8`) : VAE ölçekleme faktörü. `do_resize` `True` ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (`str`, *isteğe bağlı*, varsayılan `lanczos`) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.
do_binarize (`bool`, *isteğe bağlı*, varsayılan `False`) : Görselin 0/1 olarak ikileştirilip ikileştirilmeyeceğini belirtir.

do_convert_rgb (`bool`, *isteğe bağlı*, varsayılan olarak `False`) : Görsellerin RGB formatına dönüştürülüp dönüştürülmemesi.

do_convert_grayscale (`bool`, *isteğe bağlı*, varsayılan olarak `False`) : Görsellerin gri tonlamalı formata dönüştürülüp dönüştürülmeyeceğini belirtir.

VAE için görüntü işleyici.

#### apply_overlay[[diffusers.VaeImageProcessor.apply_overlay]]

```python
apply_overlay(mask: Image, init_image: Image, image: Image, crop_coords: tuple[int, int, int, int] | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L789)

**Parametreler:**

mask (`PIL.Image.Image`) : Üstlenecek bölgeleri vurgulayan maske görüntüsü.

init_image (`PIL.Image.Image`) : Katmanın uygulandığı orijinal görüntü.
image (`PIL.Image.Image`) : Orijinelin üzerine bindirilecek görüntü.
crop_coords (`tuple[int, int, int, int]`, *isteğe bağlı*) : Görseli kırpacak koordinatlar. Verilirse, görsel buna göre kırpılır.

**Dönüş:** `PIL.Image.Image`

Katman uygulanan son görüntü.

Orijinal görüntünün üzerine maske ve inpainting yapılmış görüntünün bir örtüsünü uygular.

#### binarize[[diffusers.VaeImageProcessor.binarize]]

```python
binarize(image: Image)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L524)

**Parametreler:**

image (`PIL.Image.Image`) : Görsel girdisi, bir PIL görseli olmalıdır.

**Dönüş:** `PIL.Image.Image`

İkili (binarize) görüntü. 0.5'ten küçük değerler 0 olarak, 0.5'ten büyük değerler 1 olarak ayarlanır.

Bir maske oluşturun.

#### blur[[diffusers.VaeImageProcessor.blur]]

```python
blur(image: Image, blur_factor: int = 4)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L271)

**Parametreler:**

image (`PIL.Image.Image`) : Grayscale'e dönüştürülecek PIL görüntüsü.

**Dönüş:** `PIL.Image.Image`

Gri tonlara dönüştürülmüş PIL görüntüsü.

Bir görüntüye Gauss bulanıklığı uygular.

#### convert_to_grayscale[[diffusers.VaeImageProcessor.convert_to_grayscale]]

```python
convert_to_grayscale(image: Image)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L254)

**Parametreler:**

image (`PIL.Image.Image`) : Dönüştürülecek girdi görüntüsü.

**Dönüş:** `PIL.Image.Image`

Gri tonlara dönüştürülen görüntü.

Verilen bir PIL görüntüsünü gri tonlamaya dönüştürür.

#### convert_to_rgb[[diffusers.VaeImageProcessor.convert_to_rgb]]

```python
convert_to_rgb(image: Image)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L237)

**Parametreler:**

image (`PIL.Image.Image`) : RGB'ye dönüştürülecek PIL görüntüsü.

**Dönüş:** `PIL.Image.Image`

RGB'ye dönüştürülmüş PIL görüntüsü.

Bir PIL görüntüsünü RGB formatına dönüştürür.

#### denormalize[[diffusers.VaeImageProcessor.denormalize]]

```python
denormalize(images: typing.Union[numpy.ndarray, torch.Tensor])
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L222)

**Parametreler:**

images (`np.ndarray` veya `torch.Tensor`) : Normalizasyonu kaldırılacak görüntü dizisi.

**Dönüş:** `np.ndarray` veya `torch.Tensor`

Normalleştirilmemiş görüntü dizisi.

Bir görüntü dizisini [0,1] aralığına normalleştirmeyin.

#### get_crop_region[[diffusers.VaeImageProcessor.get_crop_region]]

```python
get_crop_region(mask_image: Image, width: int, height: int, pad = 0)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L288)

**Parametreler:**

mask_image (PIL.Image.Image) : Maske görüntüsü.
width (int) : İşlenecek görüntünün genişliği.
height (int) : İşlenecek görüntünün yüksekliği.
pad (int, isteğe bağlı) : Kırpma bölgesine eklenecek dolgu. Varsayılan değer 0'dır.
**Dönüş:** `tuple`
(x1, y1, x2, y2), bir görüntüdeki tüm maskelenmiş alanları içeren ve orijinal en-boy oranıyla eşleşen dikdörtgen bir bölgeyi temsil eder.
Görseldeki tüm maskelenmiş alanları içeren dikdörtgen bir bölgeyi bulur ve bölgeyi orijinal görselin en-boy oranıyla eşleştirecek şekilde genişletir; örneğin, kullanıcı 128x32 boyutlarında bir bölgede maske çizdiyse ve işleme boyutları 512x512 ise, bölge 128x128 boyutlarına genişletilir.
#### get_default_height_width[[diffusers.VaeImageProcessor.get_default_height_width]]
```python
get_default_height_width(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor], height: int | None = None, width: int | None = None)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L561)
**Parametreler:**
image (`PIL.Image.Image | np.ndarray | torch.Tensor`) : Bir PIL görüntüsü, NumPy dizisi veya PyTorch tensörü olabilecek görüntü girdisi. NumPy dizisi ise `[batch, height, width]` veya `[batch, height, width, channels]` biçiminde olmalıdır. PyTorch tensörü ise `[batch, channels, height, width]` biçiminde olmalıdır.
height (`int | None`, *isteğe bağlı*, varsayılan `None`) : Ön işlenmiş görüntünün yüksekliği. `None` ise, `image` girdisinin yüksekliği kullanılacaktır.
width (`int | None`, *isteğe bağlı*, varsayılan `None`) : Ön işlenmiş görüntünün genişliği. `None` ise, `image` girdisinin genişliği kullanılacaktır.
**Dönüş:** `tuple[int, int]`
`vae_scale_factor`'ın en yakın tam sayı katına yeniden boyutlandırılmış yükseklik ve genişliği içeren bir demet.
Görselin yüksekliğini ve genişliğini, `vae_scale_factor`'ın bir sonraki tam sayı katına ölçeklenmiş olarak döndürür.
#### normalize[[diffusers.VaeImageProcessor.normalize]]
```python
normalize(images: typing.Union[numpy.ndarray, torch.Tensor])
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L207)
**Parametreler:**
images (`np.ndarray` veya `torch.Tensor`) : Normalize edilecek görüntü dizisi.
**Dönüş:** `np.ndarray` veya `torch.Tensor`
Normalleştirilmiş görüntü dizisi.
Bir görüntü dizisini [-1,1] aralığına normalize edin.
#### numpy_to_pil[[diffusers.VaeImageProcessor.numpy_to_pil]]
```python
numpy_to_pil(images: ndarray)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L128)
**Parametreler:**
images (`np.ndarray`) : PIL formatına dönüştürülecek görüntü dizisi.
**Dönüş:** `list[PIL.Image.Image]`
PIL görüntülerinin listesi.
Bir numpy görüntüsünü veya görüntü grubunu bir PIL görüntüsüne dönüştürür.
#### numpy_to_pt[[diffusers.VaeImageProcessor.numpy_to_pt]]
```python
numpy_to_pt(images: ndarray)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L172)
**Parametreler:**
images (`np.ndarray`) : PyTorch formatına dönüştürülecek NumPy görüntü dizisi.
**Dönüş:** `torch.Tensor`
Görsellerin PyTorch tensör temsili.
Bir NumPy görüntüsünü PyTorch tensörüne dönüştürün.
#### pil_to_numpy[[diffusers.VaeImageProcessor.pil_to_numpy]]
```python
pil_to_numpy(images: list[PIL.Image.Image] | PIL.Image.Image)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L152)
**Parametreler:**
images (`PIL.Image.Image` veya `list[PIL.Image.Image]`) : NumPy biçimine dönüştürülecek PIL görüntüsü veya görüntü listesi.
**Dönüş:** `np.ndarray`
Görüntülerin NumPy dizi temsili.
Bir PIL görüntüsünü veya PIL görüntüsü listesini NumPy dizilerine dönüştürür.
#### postprocess[[diffusers.VaeImageProcessor.postprocess]]
```python
postprocess(image: Tensor, output_type: str = 'pil', do_denormalize: list[bool] | None = None)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L739)
**Parametreler:**
image (`torch.Tensor`) : Görsel girdisi, `B x C x H x W` biçiminde bir pytorch tensörü olmalıdır.
output_type (`str`, *isteğe bağlı*, varsayılan `pil`) : Görüntünün çıktı türü, `pil`, `np`, `pt`, `latent` değerlerinden biri olabilir.
do_denormalize (`list[bool]`, *isteğe bağlı*, varsayılan `None`) : Görüntünün [0,1] aralığına normalizasyonunun kaldırılıp kaldırılmayacağını belirtir. `None` ise, `VaeImageProcessor` yapılandırmasındaki `do_normalize` değeri kullanılır.
**Dönüş:** `PIL.Image.Image`, `np.ndarray` veya `torch.Tensor`
İşlem sonrası görüntü.
Görsel çıktısını tensörden `output_type` biçimine dönüştürün.
#### preprocess[[diffusers.VaeImageProcessor.preprocess]]
```python
preprocess(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor, list[PIL.Image.Image], list[numpy.ndarray], list[torch.Tensor]], height: int | None = None, width: int | None = None, resize_mode: str = 'default', crops_coords: tuple[int, int, int, int] | None = None)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L608)
**Parametreler:**
image (`PipelineImageInput`) : Görsel girdisi, kabul edilen biçimler PIL görselleri, NumPy dizileri, PyTorch tensörleridir; Desteklenen biçimlerin listesi de kabul edilir.
height (`int`, *isteğe bağlı*) : Ön işlenmiş görüntünün yüksekliği. `None` ise, varsayılan yüksekliği almak için `get_default_height_width()` kullanılır.
width (`int`, *opsiyonel*) : Ön işlenmiş genişlik. `None` ise, varsayılan genişliği almak için get_default_height_width()` kullanılır.
resize_mode (`str`, *isteğe bağlı*, varsayılan `default`) : Yeniden boyutlandırma modu, `default` veya `fill` değerlerinden biri olabilir. `default` ise, görüntü belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır ve orijinal en-boy oranı korunmayabilir. `fill` ise, görüntü en-boy oranını koruyarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve boşluklar görüntü verisiyle doldurulur. `crop` ise, görüntü en-boy oranını koruyarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve fazlalık kesilir. resize_mode `fill` ve `crop` değerlerinin yalnızca PIL görüntü girdisi için desteklendiğini unutmayın.
crops_coords (`list[tuple[int, int, int, int]]`, *opsiyonel*, varsayılan `None`) : Batch'teki her bir görüntü için kırpma koordinatları. `None` ise görüntü kırpılmaz.
**Dönüş:** `torch.Tensor`
Ön işlenmiş görüntü.
Görsel girdisini ön işleme tabi tutun.
#### pt_to_numpy[[diffusers.VaeImageProcessor.pt_to_numpy]]
```python
pt_to_numpy(images: Tensor)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L191)
**Parametreler:**
images (`torch.Tensor`) : NumPy formatına dönüştürülecek PyTorch tensörü.
**Dönüş:** `np.ndarray`
Görüntülerin NumPy dizi temsili.
Bir PyTorch tensörünü NumPy görüntüsüne dönüştürün.
#### resize[[diffusers.VaeImageProcessor.resize]]
```python
resize(image: typing.Union[PIL.Image.Image, numpy.ndarray, torch.Tensor], height: int, width: int, resize_mode: str = 'default')
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L463)
**Parametreler:**
image (`PIL.Image.Image`, `np.ndarray` veya `torch.Tensor`) : Görsel girdisi, bir PIL görseli, numpy dizisi veya pytorch tensörü olabilir.
height (`int`) : Yeniden boyutlandırılacak yükseklik.
width (`int`) : Yeniden boyutlandırılacak genişlik.
resize_mode (`str`, *isteğe bağlı*, varsayılan `default`) : Kullanılacak yeniden boyutlandırma modu, `default` veya `fill` değerlerinden biri olabilir. `default` ise, görüntü belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır ve orijinal en-boy oranı korunmayabilir. `fill` ise, görüntü en-boy oranı korunarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve boşluklar görüntü verisiyle doldurulur. `crop` ise, görüntü en-boy oranı korunarak belirtilen genişlik ve yüksekliğe sığacak şekilde yeniden boyutlandırılır, ardından boyutlar içinde ortalanır ve fazlalık kırpılır. `fill` ve `crop` yeniden boyutlandırma modlarının yalnızca PIL görüntü girdisi için desteklendiğini unutmayın.

**Dönüş:** `PIL.Image.Image`, `np.ndarray` veya `torch.Tensor`

Yeniden boyutlandırılmış görüntü.

Görseli yeniden boyutlandırın.

## InpaintProcessor[[diffusers.InpaintProcessor]]

[InpaintProcessor](/docs/diffusers/main/tr/api/image_processor#diffusers.InpaintProcessor), `mask` ve `image` girdilerini kabul eder ve bunları birlikte işler. İsteğe bağlı olarak padding_mask_crop kabul edebilir ve mask overlay uygulayabilir.

#### diffusers.InpaintProcessor[[diffusers.InpaintProcessor]]

```python
diffusers.InpaintProcessor(do_resize: bool = True, vae_scale_factor: int = 8, vae_latent_channels: int = 4, resample: str = 'lanczos', reducing_gap: int | None = None, do_normalize: bool = True, do_binarize: bool = False, do_convert_grayscale: bool = False, mask_do_normalize: bool = False, mask_do_binarize: bool = True, mask_do_convert_grayscale: bool = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L837)

Görsel ve maske için inpainting görsel işleyicisi.

#### postprocess[[diffusers.InpaintProcessor.postprocess]]

```python
postprocess(image: Tensor, output_type: str = 'pil', original_image: PIL.Image.Image | None = None, original_mask: PIL.Image.Image | None = None, crops_coords: tuple[int, int, int, int] | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L944)

Görseli son işlemeye tabi tutun, isteğe bağlı olarak maske bindirmesi uygulayın

#### preprocess[[diffusers.InpaintProcessor.preprocess]]

```python
preprocess(image: Image, mask: PIL.Image.Image | None = None, height: int | None = None, width: int | None = None, padding_mask_crop: int | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L882)

Görseli ve maskesini ön işleme tabi tutun.

## VaeImageProcessorLDM3D[[diffusers.VaeImageProcessorLDM3D]]

[VaeImageProcessorLDM3D](/docs/diffusers/main/tr/api/image_processor#diffusers.VaeImageProcessorLDM3D), RGB ve derinlik girdilerini kabul eder ve RGB ile derinlik çıktıları döndürür.

#### diffusers.VaeImageProcessorLDM3D[[diffusers.VaeImageProcessorLDM3D]]

```python
diffusers.VaeImageProcessorLDM3D(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L974)

**Parametreler:**

do_resize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görselin (yükseklik, genişlik) boyutlarının `vae_scale_factor`'ün katlarına ölçeklendirilip ölçeklendirilmeyeceğini belirtir.
vae_scale_factor (`int`, *isteğe bağlı*, varsayılan `8`) : VAE ölçekleme faktörü. `do_resize` `True` ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (`str`, *isteğe bağlı*, varsayılan `lanczos`) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.
VAE LDM3D için görüntü işleyici.
#### depth_pil_to_numpy[[diffusers.VaeImageProcessorLDM3D.depth_pil_to_numpy]]
```python
depth_pil_to_numpy(images: list[PIL.Image.Image] | PIL.Image.Image)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1025)
**Parametreler:**
images (`list[PIL.Image.Image, PIL.Image.Image]`) : Dönüştürülecek girdi görüntüsü veya görüntü listesi.
**Dönüş:** `np.ndarray`
Dönüştürülen görüntülerin NumPy dizisi.
Bir PIL görüntüsünü veya PIL görüntüsü listesini NumPy dizilerine dönüştürür.
#### numpy_to_depth[[diffusers.VaeImageProcessorLDM3D.numpy_to_depth]]
```python
numpy_to_depth(images: ndarray)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1083)
**Parametreler:**
images (`np.ndarray`) : Derinlik görüntülerinin girdi NumPy dizisi; tek bir görüntü veya bir parti olabilir.
**Dönüş:** `list[PIL.Image.Image]`
Girdi NumPy derinlik görüntülerinden dönüştürülen PIL görüntüleri listesi.
NumPy derinlik görüntüsünü veya görüntü birimini PIL görüntüleri listesine dönüştürür.
#### numpy_to_pil[[diffusers.VaeImageProcessorLDM3D.numpy_to_pil]]
```python
numpy_to_pil(images: ndarray)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1001)
**Parametreler:**
images (`np.ndarray`) : Tek bir görüntü veya bir parti olabilecek, girdi NumPy görüntü dizisi.
**Dönüş:** `list[PIL.Image.Image]`
Girdi NumPy dizisinden dönüştürülen PIL görüntülerinin listesi.
Bir NumPy görüntüsünü veya görüntü grubunu PIL görüntüleri listesine dönüştürür.
#### preprocess[[diffusers.VaeImageProcessorLDM3D.preprocess]]
```python
preprocess(rgb: typing.Union[torch.Tensor, PIL.Image.Image, numpy.ndarray], depth: typing.Union[torch.Tensor, PIL.Image.Image, numpy.ndarray], height: int | None = None, width: int | None = None, target_res: int | None = None)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1161)
**Parametreler:**
rgb (`torch.Tensor | PIL.Image.Image | np.ndarray`) : Tek bir görüntü veya bir parti olabilecek RGB giriş görüntüsü.
depth (`torch.Tensor | PIL.Image.Image | np.ndarray`) : Tek bir görüntü veya bir parti olabilecek derinlik giriş görüntüsü.
height (`int | None`, *isteğe bağlı*, varsayılan `None`) : İşlenmiş görüntünün istenen yüksekliği. `None` ise, girdi görüntüsünün yüksekliği varsayılan olarak kullanılır.
width (`int | None`, *isteğe bağlı*, varsayılan `None`) : İşlenmiş görüntünün istenen genişliği. `None` ise, girdi görüntüsünün genişliği varsayılan olarak kullanılır.
target_res (`int | None`, *isteğe bağlı*, varsayılan `None`) : Görselleri yeniden boyutlandırma için hedef çözünürlük. Belirtilirse, height ve width değerlerini geçersiz kılar.

**Dönüş:** `tuple[torch.Tensor, torch.Tensor]`

İşlenmiş RGB ve derinlik görüntülerini PyTorch tensörleri olarak içeren bir demet.

Girdi görüntüsünü ön işleme. Kabul edilen biçimler PIL görüntüleri, NumPy dizileri veya PyTorch tensörleridir.

#### rgblike_to_depthmap[[diffusers.VaeImageProcessorLDM3D.rgblike_to_depthmap]]

```python
rgblike_to_depthmap(image: typing.Union[numpy.ndarray, torch.Tensor])
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1045)

RGB benzeri bir derinlik görüntüsünü derinlik haritasına dönüştürür.

## PixArtImageProcessor[[diffusers.PixArtImageProcessor]]

#### diffusers.PixArtImageProcessor[[diffusers.PixArtImageProcessor]]

```python
diffusers.PixArtImageProcessor(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = True, do_binarize: bool = False, do_convert_grayscale: bool = False)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1381)

**Parametreler:**

do_resize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görselin (yükseklik, genişlik) boyutlarını `vae_scale_factor`'ün katlarına ölçeklendirmeyi azaltıp azaltmayacağını belirtir. [image_processor.VaeImageProcessor.preprocess()](/docs/diffusers/main/tr/api/image_processor#diffusers.VaeImageProcessor.preprocess) metodundan `height` ve `width` argümanlarını kabul edebilir.
vae_scale_factor (`int`, *isteğe bağlı*, varsayılan `8`) : VAE ölçekleme faktörü. `do_resize` `True` ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (`str`, *isteğe bağlı*, varsayılan `lanczos`) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.
do_binarize (`bool`, *isteğe bağlı*, varsayılan `False`) : Görselin 0/1 olarak ikileştirilip ikileştirilmeyeceğini belirtir.

do_convert_rgb (`bool`, *isteğe bağlı*, varsayılan olarak `False`) : Görsellerin RGB formatına dönüştürülüp dönüştürülmemesi.

do_convert_grayscale (`bool`, *isteğe bağlı*, varsayılan olarak `False`) : Görsellerin gri tonlamalı formata dönüştürülüp dönüştürülmeyeceğini belirtir.

PixArt görüntü yeniden boyutlandırma ve kırpma işlemi için görüntü işleyici.

#### classify_height_width_bin[[diffusers.PixArtImageProcessor.classify_height_width_bin]]

```python
classify_height_width_bin(height: int, width: int, ratios: dict)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1422)

**Parametreler:**

height (`int`) : Görselin yüksekliği.

width (`int`) : Görselin genişliği.

ratios (`dict`) : Anahtarları en-boy oranları, değerleri (yükseklik, genişlik) demetleri olan bir sözlük.

**Dönüş:** `tuple[int, int]`

En yakın binned yükseklik ve genişlik.

En-boy oranına göre binned yükseklik ve genişliği döndürür.

#### resize_and_crop_tensor[[diffusers.PixArtImageProcessor.resize_and_crop_tensor]]

```python
resize_and_crop_tensor(samples: Tensor, new_width: int, new_height: int)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1440)

**Parametreler:**

samples (`torch.Tensor`) : N'nin batch boyutu, C'nin kanal sayısı, H'nin yükseklik ve W'nin genişlik olduğu (N, C, H, W) biçiminde bir tensör.

new_width (`int`) : Çıktı görüntülerinin istenen genişliği.
new_height (`int`) : Çıktı görüntülerinin istenen yüksekliği.

**Dönüş:** `torch.Tensor`

Yeniden boyutlandırılmış ve kırpılmış görüntüler içeren bir tensör.

Görsellerin tensörünü belirtilen boyutlara yeniden boyutlandırır ve kırpma yapar.

## IPAdapterMaskProcessor[[diffusers.IPAdapterMaskProcessor]]

#### diffusers.IPAdapterMaskProcessor[[diffusers.IPAdapterMaskProcessor]]

```python
diffusers.IPAdapterMaskProcessor(do_resize: bool = True, vae_scale_factor: int = 8, resample: str = 'lanczos', do_normalize: bool = False, do_binarize: bool = True, do_convert_grayscale: bool = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1277)

**Parametreler:**

do_resize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görselin (yükseklik, genişlik) boyutlarının `vae_scale_factor`'ün katlarına ölçeklendirilip ölçeklendirilmeyeceğini belirtir.
vae_scale_factor (`int`, *isteğe bağlı*, varsayılan `8`) : VAE ölçekleme faktörü. `do_resize` `True` ise, görüntü bu faktörün katlarına otomatik olarak yeniden boyutlandırılır.

resample (`str`, *isteğe bağlı*, varsayılan `lanczos`) : Görsel yeniden boyutlandırılırken kullanılacak yeniden örnekleme filtresi.

do_normalize (`bool`, *isteğe bağlı*, varsayılan `False`) : Görüntünün [-1,1] aralığına normalize edilip edilmeyeceğini belirtir.
do_binarize (`bool`, *isteğe bağlı*, varsayılan `True`) : Görselin 0/1 olarak ikileştirilip ikileştirilmeyeceğini belirtir.

do_convert_grayscale (`bool`, *isteğe bağlı*, varsayılan olarak `True`) : Görsellerin gri tonlamalı formata dönüştürülüp dönüştürülmeyeceğini belirtir.

IP Adapter görüntü maskeleri için görüntü işleyici.

#### downsample[[diffusers.IPAdapterMaskProcessor.downsample]]

```python
downsample(mask: Tensor, batch_size: int, num_queries: int, value_embed_dim: int)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/image_processor.py#L1318)

**Parametreler:**

mask (`torch.Tensor`) : `IPAdapterMaskProcessor.preprocess()` ile oluşturulan giriş maskesi tensörü.

batch_size (`int`) : Toplu işlem boyutu.
num_queries (`int`) : Sorgu sayısı.

value_embed_dim (`int`) : Değer gömme boyutları.

**Dönüş:** `torch.Tensor`

Örnekleme azaltılmış maske tensörü.

Ölçekli nokta çarpımı dikkati için beklenen boyutlara uymak üzere sağlanan maske tensörünü indirger. Maske en-boy oranı, çıktı görüntüsünün en-boy oranıyla eşleşmiyorsa bir uyarı verilir.
Xet Storage Details

Size:: 28 kB
Xet hash:: 438c644352c7205063e7e22b68cafc3fb5e4dc8ae85bc21f8537955569cd993e
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.