# أدوات لمعالجات الصور

تُدرج هذه الصفحة جميع دوال الأداة المستخدمة في معالجات الصور، ولا سيما التحويلات الوظيفية المستخدمة لمعالجة الصور.

لا تُفيد معظم تلك المعلومات إلا إذا كنت تدرس كود معالجات الصور في المكتبة.

## تحويلات الصور[[transformers.image_transforms.center_crop]]

#### transformers.image_transforms.center_crop[[transformers.image_transforms.center_crop]]

```python
transformers.image_transforms.center_crop(image: ndarray, size: tuple, data_format: str | transformers.image_utils.ChannelDimension | None = None, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L448)

**المعاملات:**

image (`np.ndarray`) : الصورة التي سيتم اقتطاعها.

size (`tuple[int, int]`) : الحجم المستهدف للصورة المقصوصة.

data_format (`str` أو `ChannelDimension`، *اختياري*) : تنسيق بُعد القنوات للصورة الناتجة. يمكن أن يكون أحد ما يلي: - `"channels_first"` أو `ChannelDimension.FIRST`: صورة بتنسيق (num_channels, height, width). - `"channels_last"` أو `ChannelDimension.LAST`: صورة بتنسيق (height, width, num_channels). إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج للصورة المدخلة.

input_data_format (`str` أو `ChannelDimension`، *اختياري*) : تنسيق بُعد القنوات للصورة المدخلة. يمكن أن يكون أحد ما يلي: - `"channels_first"` أو `ChannelDimension.FIRST`: صورة بتنسيق (num_channels, height, width). - `"channels_last"` أو `ChannelDimension.LAST`: صورة بتنسيق (height, width, num_channels). إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج للصورة المدخلة.

**يعيد:** `np.ndarray`

الصورة المقصوصة.

يقوم بقصّ `image` إلى `size` المحدد باستخدام قصّ مركزي. لاحظ أنه إذا كان حجم الصورة أصغر من أن يُقصّ إلى الحجم المعطى، فسيتم ملؤه (لذا فإن النتيجة المُعادّة ستكون دائماً من الحجم `size`).

#### transformers.image_transforms.center_to_corners_format[[transformers.image_transforms.center_to_corners_format]]

```python
transformers.image_transforms.center_to_corners_format(bboxes_center: TensorType)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L553)

يحوّل صناديق الحدود من تنسيق المركز إلى تنسيق الزوايا.

center format: يحتوي على إحداثيات مركز الصندوق وأبعاده من حيث العرض والارتفاع (center_x, center_y, width, height) corners format: يحتوي على إحداثيات الزاوية العلوية اليسرى والزاوية السفلية اليمنى للصندوق (top_left_x, top_left_y, bottom_right_x, bottom_right_y)

#### transformers.image_transforms.corners_to_center_format[[transformers.image_transforms.corners_to_center_format]]

```python
transformers.image_transforms.corners_to_center_format(bboxes_corners: TensorType)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L596)

يحوّل صناديق الحدود من تنسيق الزوايا إلى تنسيق المركز.

صيغة الزوايا: تحتوي على إحداثيات الزاوية العلوية اليسرى والزاوية السفلية اليمنى للمربع (top_left_x، top_left_y، bottom_right_x، bottom_right_y)
صيغة المركز: تحتوي على إحداثيات مركز المربع وأبعاده من حيث العرض والارتفاع (center_x، center_y، width، height)

#### transformers.image_transforms.id_to_rgb[[transformers.image_transforms.id_to_rgb]]

```python
transformers.image_transforms.id_to_rgb(id_map)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L643)

يحوّل المعرّف الفريد إلى لون RGB.

#### transformers.image_transforms.normalize[[transformers.image_transforms.normalize]]

```python
transformers.image_transforms.normalize(image: ndarray, mean: float | collections.abc.Collection[float], std: float | collections.abc.Collection[float], data_format: transformers.image_utils.ChannelDimension | None = None, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L387)

**المعاملات:**

image (`np.ndarray`) : الصورة المراد تطبيعها.

mean (`float` أو `Collection[float]`) : المتوسط المستخدم للتطبيع.

std (`float` أو `Collection[float]`) : الانحراف المعياري المستخدم للتطبيع.

data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة الناتجة. إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج من المدخلات.

input_data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة المدخلة. إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج من المدخلات.

يقوم بتطبيع `image` باستخدام المتوسط والانحراف المعياري المحددين بواسطة `mean` و`std`.

image = (image - mean) / std

#### transformers.image_transforms.pad[[transformers.image_transforms.pad]]

```python
transformers.image_transforms.pad(image: ndarray, padding: int | tuple[int, int] | collections.abc.Iterable[tuple[int, int]], mode: PaddingMode = <PaddingMode.CONSTANT: 'constant'>, constant_values: float | collections.abc.Iterable[float] = 0.0, data_format: str | transformers.image_utils.ChannelDimension | None = None, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L673)

**المعاملات:**

image (`np.ndarray`) : الصورة التي سيتم توسيطها.

padding (`int` أو `tuple[int, int]` أو `Iterable[tuple[int, int]]`) : الحشو المطبَّق على حواف محوري الارتفاع والعرض. يمكن أن يكون بأحد ثلاثة صيغ: - `((before_height, after_height), (before_width, after_width))` عرض حشو فريد لكل محور. - `((before, after),)` ينتج نفس عرض الحشو قبل وبعد لكل من الارتفاع والعرض. - `(pad,)` أو int اختصار لـ before = after = عرض الحشو لجميع المحاور.

mode (`PaddingMode`) : وضع الحشو المستخدم. يمكن أن يكون أحد الخيارات التالية: - `"constant"`: يحشو بقيمة ثابتة. - `"reflect"`: يحشو بانعكاس المتجه المعكوس على القيم الأولى والأخيرة من المتجه على طول كل محور. - `"replicate"`: يحشو بتكرار القيمة الأخيرة على حافة المصفوفة على طول كل محور. - `"symmetric"`: يحشو بانعكاس المتجه المعكوس على طول حافة المصفوفة.

constant_values (`float` أو `Iterable[float]`، *اختياري*) : القيمة المستخدمة للتبطين إذا كان `mode` هو `"constant"`.

data_format (`str` أو `ChannelDimension`، *اختياري*) : تنسيق بُعد القنوات للصورة الناتجة. يمكن أن يكون أحد ما يلي: - `"channels_first"` أو `ChannelDimension.FIRST`: صورة بتنسيق (num_channels, height, width). - `"channels_last"` أو `ChannelDimension.LAST`: صورة بتنسيق (height, width, num_channels). إذا لم يتم ضبطه، فسيتم استخدام نفس تنسيق الصورة المدخلة.

input_data_format (`str` أو `ChannelDimension`، *اختياري*) : تنسيق بُعد القنوات للصورة المدخلة. يمكن أن يكون أحد ما يلي: - `"channels_first"` أو `ChannelDimension.FIRST`: صورة بتنسيق (num_channels, height, width). - `"channels_last"` أو `ChannelDimension.LAST`: صورة بتنسيق (height, width, num_channels). إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج للصورة المدخلة.

**يعيد:** `np.ndarray`

الصورة المُحشوة.

يضيف حشوة إلى `image` بالحشوة المحددة (الارتفاع، العرض) `padding` والوضع `mode`.

#### transformers.image_transforms.rgb_to_id[[transformers.image_transforms.rgb_to_id]]

```python
transformers.image_transforms.rgb_to_id(color)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L632)

يحوّل لون RGB إلى معرّف فريد.

#### transformers.image_transforms.rescale[[transformers.image_transforms.rescale]]

```python
transformers.image_transforms.rescale(image: ndarray, scale: float, data_format: transformers.image_utils.ChannelDimension | None = None, dtype: dtype = <class 'numpy.float32'>, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L92)

**المعاملات:**

image (`np.ndarray`) : الصورة التي سيتم إعادة تحجيمها.

scale (`float`) : المقياس المستخدم لإعادة تحجيم الصورة.

data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة. إذا لم يُقدَّم، فسيكون مطابقًا للصورة المدخلة.

dtype (`np.dtype`، *اختياري*، الافتراضي `np.float32`) : نوع البيانات (dtype) لصورة المخرجات. الافتراضي هو `np.float32`. يُستخدم من أجل التوافق مع مستخرجات الميزات السابقة.

input_data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة المدخلة. إذا لم يُقدَّم، فسيتم استنتاجه من الصورة المدخلة.

**يعيد:** `np.ndarray`

الصورة المُعاد تحجيمها.

يعيد تحجيم `image` بمقدار `scale`.

#### transformers.image_transforms.resize[[transformers.image_transforms.resize]]

```python
transformers.image_transforms.resize(image: ndarray, size: tuple, resample: typing.Optional[ForwardRef('PILImageResampling')] = None, reducing_gap: int | None = None, data_format: transformers.image_utils.ChannelDimension | None = None, return_numpy: bool = True, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L316)

**المعاملات:**

image (`np.ndarray`) : الصورة التي سيتم تغيير حجمها.

size (`tuple[int, int]`) : الحجم المستخدم لتغيير حجم الصورة.

resample (`int`، *اختياري*، القيمة الافتراضية `PILImageResampling.BILINEAR`) : المرشّح المستخدم لإعادة أخذ العينات.

reducing_gap (`int`, *اختياري*) : تطبيق التحسين عن طريق تغيير حجم الصورة في خطوتين. كلما كان `reducing_gap` أكبر، كان الناتج أقرب إلى إعادة العينة العادلة. راجع توثيق Pillow المقابل لمزيد من التفاصيل.

data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة الناتجة. إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج من المدخلات.

return_numpy (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان سيتم إرجاع الصورة المُعاد تحجيمها كمصفوفة numpy أم لا. إذا كانت القيمة False، فسيتم إرجاع كائن `PIL.Image.Image`.

input_data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة المدخلة. إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج من المدخلات.

**يعيد:** `np.ndarray`

الصورة المُعاد تغيير حجمها.

يُعيد تحديد حجم `image` إلى `(height, width)` المحدد بواسطة `size` باستخدام مكتبة PIL.

#### transformers.image_transforms.to_pil_image[[transformers.image_transforms.to_pil_image]]

```python
transformers.image_transforms.to_pil_image(image: typing.Union[numpy.ndarray, ForwardRef('PIL.Image.Image'), ForwardRef('torch.Tensor')], do_rescale: bool | None = None, image_mode: str | None = None, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_transforms.py#L157)

**المعاملات:**

image (`PIL.Image.Image` أو `numpy.ndarray` أو `torch.Tensor`) : الصورة التي سيتم تحويلها إلى صيغة `PIL.Image`.

do_rescale (`bool`، *اختياري*) : ما إذا كان سيتم تطبيق عامل التوسيع (لتحويل قيم البكسل إلى أعداد صحيحة بين 0 و255). سيكون الافتراضي `True` إذا كان نوع الصورة من النوع العائم وكان التحويل إلى `int` سيؤدي إلى فقدان الدقة، وإلا فسيكون `False`.

image_mode (`str`، *اختياري*) : الوضع المستخدم لصورة PIL. إذا لم يُضبط، فسيتم استخدام الوضع الافتراضي لنوع الصورة المُدخلة.

input_data_format (`ChannelDimension`، *اختياري*) : تنسيق بُعد القناة للصورة المدخلة. إذا لم يتم ضبطه، فسيتم استخدام التنسيق المستنتج من المدخلات.

**يعيد:** `PIL.Image.Image`

الصورة المحوّلة.

يحوّل `image` إلى صورة PIL. ويمكنه إعادة تحجيم الصورة اختيارياً، وإعادة بُعد القناة ليكون المحور الأخير عند الحاجة.

## ImageProcessingMixin[[transformers.ImageProcessingMixin]]

#### transformers.ImageProcessingMixin[[transformers.ImageProcessingMixin]]

```python
transformers.ImageProcessingMixin(**kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L61)

هذا مزيج معالج صور يُستخدم لتوفير وظائف الحفظ/التحميل لمُستخرِجات الميزات التسلسلية والصور.

#### fetch_images[[transformers.ImageProcessingMixin.fetch_images]]

```python
fetch_images(image_url_or_urls: str | list[str] | list[list[str]])
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L489)

تحويل عنوان URL واحد أو قائمة عناوين إلى كائنات `PIL.Image` المقابلة.

إذا تم تمرير عنوان URL واحد، فسيكون القيمة المُعادَة كائنًا واحدًا. أما إذا تم تمرير قائمة، فسيتم إرجاع قائمة من الكائنات.

#### from_dict[[transformers.ImageProcessingMixin.from_dict]]

```python
from_dict(image_processor_dict: dict, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L366)

**المعاملات:**

image_processor_dict (`dict[str, Any]`) : قاموس سيُستخدم لإنشاء كائن معالج الصور. يمكن الحصول على مثل هذا القاموس من نقطة تحقق مُدرَّبة مسبقًا بالاستفادة من طريقة [to_dict()](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin.to_dict).

kwargs (`dict[str, Any]`) : معلمات إضافية يتم من خلالها تهيئة معالج الصور.

**يعيد:** [ImageProcessingMixin](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin)

كائن معالج الصور المُثبَّت من تلك المعاملات.

يُحدّد نوعًا من [ImageProcessingMixin](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin) من قاموس Python للمعاملات.

#### from_json_file[[transformers.ImageProcessingMixin.from_json_file]]

```python
from_json_file(json_file: str | os.PathLike)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L419)

**المعاملات:**

json_file (`str` أو `os.PathLike`) : المسار إلى ملف JSON الذي يحتوي على المعلمات.

**يعيد:** معالج صور من النوع [ImageProcessingMixin](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin)

كائن image_processor المُثبَّت من ملف JSON ذلك.

يُشغّل معالج صور من النوع [ImageProcessingMixin](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin) من المسار إلى ملف JSON يحتوي على المعلمات.

#### from_pretrained[[transformers.ImageProcessingMixin.from_pretrained]]

```python
from_pretrained(pretrained_model_name_or_path: str | os.PathLike, cache_dir: str | os.PathLike | None = None, force_download: bool = False, local_files_only: bool = False, token: str | bool | None = None, revision: str = 'main', **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L84)

**المعاملات:**

pretrained_model_name_or_path (`str` أو `os.PathLike`) : يمكن أن يكون هذا: - نصًا، وهو *model id* لمعالج صور مُدرَّب مسبقًا مستضاف داخل مستودع نموذج على huggingface.co. - مسارًا إلى *directory* يحتوي على ملف معالج صور تم حفظه باستخدام طريقة [save_pretrained()](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin.save_pretrained)، على سبيل المثال `./my_model_directory/`. - مسارًا إلى ملف JSON *file* لمعالج صور محفوظ، على سبيل المثال `./my_model_directory/preprocessor_config.json`.

cache_dir (`str` أو `os.PathLike`، *اختياري*) : المسار إلى مجلد يجب تخزين معالج الصور النموذجي المُحمَّل مسبقًا فيه إذا لم يُستخدم المجلد المؤقت القياسي.

force_download (`bool`، *اختياري*، القيمة الافتراضية `False`) : ما إذا كان يجب إجبار إعادة تنزيل ملفات معالج الصور وتجاوز النسخ المخزنة مؤقتًا في حال وجودها.

proxies (`dict[str, str]`، *اختياري*) : قاموس لخوادم الوكيل (proxy servers) للاستخدام حسب البروتوكول أو نقطة النهاية، على سبيل المثال `{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}.` تُستخدم هذه الوكلاء في كل طلب.

token (`str` أو `bool`، *اختياري*) : الرمز الذي يُستخدم كرمز تفويض HTTP bearer للملفات البعيدة. إذا كان `True`، أو لم يُحدد، فسيتم استخدام الرمز الذي تم إنشاؤه عند تشغيل `hf auth login` (المخزَّن في `~/.huggingface`).

revision (`str`، *اختياري*، القيمة الافتراضية `"main"`) : إصدار النموذج المحدد الذي سيتم استخدامه. يمكن أن يكون اسم فرع، أو اسم وسم، أو معرّف التزامن، نظرًا لأننا نستخدم نظامًا قائمًا على git لتخزين النماذج والمخرجات الأخرى على huggingface.co، لذا يمكن أن يكون `revision` أي معرّف مسموح به بواسطة git.     لاختبار طلب دمج قمت بإنشائه على Hub، يمكنك تمرير `revision="refs/pr/<pr_number>"`.

return_unused_kwargs (`bool`، *اختياري*، القيمة الافتراضية `False`) : إذا كانت `False`، فإن هذه الدالة تُرجع كائن معالج الصور النهائي فقط. أما إذا كانت `True`، فإن هذه الدالة تُرجع `Tuple(image_processor, unused_kwargs)` حيث *unused_kwargs* هو قاموس يتكوّن من أزواج المفاتيح والقيم التي لا تُعدّ مفاتيحها من سمات معالج الصور؛ أي الجزء من `kwargs` الذي لم يُستخدم لتحديث `image_processor` ويُتجاهل في حالته الأخرى.

subfolder (`str`، *اختياري*، القيمة الافتراضية `""`) : في حال كانت الملفات ذات الصلة موجودة داخل مجلد فرعي من مستودع النموذج على huggingface.co، يمكنك تحديد اسم المجلد هنا.

kwargs (`dict[str, Any]`، *اختياري*) : القيم الموجودة في kwargs لأي مفاتيح تكون من سمات معالج الصور ستُستخدم لتجاوز القيم المحمّلة. أما السلوك المتعلق بالأزواج المفتاح/قيمة التي مفاتيحها *ليست* من سمات معالج الصور، فيتحكم به معامل الكلمة المفتاحية `return_unused_kwargs`.

**يعيد:**

معالج صور من النوع [ImageProcessingMixin](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin).

أنشئ نوعًا من [ImageProcessingMixin](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin) من معالج الصور.

أمثلة:

```python
# We can't instantiate directly the base class *ImageProcessingMixin* so let's show the examples on a
# derived class: *CLIPImageProcessor*
image_processor = CLIPImageProcessor.from_pretrained(
    "openai/clip-vit-base-patch32"
)  # Download image_processing_config from huggingface.co and cache.
image_processor = CLIPImageProcessor.from_pretrained(
    "./test/saved_model/"
)  # E.g. image processor (or model) was saved using *save_pretrained('./test/saved_model/')*
image_processor = CLIPImageProcessor.from_pretrained("./test/saved_model/preprocessor_config.json")
image_processor = CLIPImageProcessor.from_pretrained(
    "openai/clip-vit-base-patch32", do_normalize=False, foo=False
)
assert image_processor.do_normalize is False
image_processor, unused_kwargs = CLIPImageProcessor.from_pretrained(
    "openai/clip-vit-base-patch32", do_normalize=False, foo=False, return_unused_kwargs=True
)
assert image_processor.do_normalize is False
assert unused_kwargs == {"foo": False}
```

#### get_image_processor_dict[[transformers.ImageProcessingMixin.get_image_processor_dict]]

```python
get_image_processor_dict(pretrained_model_name_or_path: str | os.PathLike, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L238)

**المعاملات:**

pretrained_model_name_or_path (`str` أو `os.PathLike`) : المعرّف للنقطة الفاحصة المُدرَّبة مسبقًا التي نرغب في الحصول على قاموس المعلمات منها.

subfolder (`str`، *اختياري*، القيمة الافتراضية `""`) : في حال كانت الملفات ذات الصلة موجودة داخل مجلد فرعي من مستودع النموذج على huggingface.co، يمكنك تحديد اسم المجلد هنا.

image_processor_filename (`str`، *اختياري*، القيمة الافتراضية `"config.json"`) : اسم الملف في مجلد النموذج الذي يُستخدم لإعدادات معالج الصور.

**يعيد:** `tuple[Dict, Dict]`

المعجم(ات) الذي سيتم استخدامه لإنشاء كائن معالج الصور.

من `pretrained_model_name_or_path`، يتم التحويل إلى قاموس من المعلمات، ليُستخدم في إنشاء معالج صور من النوع `~image_processor_utils.ImageProcessingMixin` باستخدام `from_dict`.

#### push_to_hub[[transformers.ImageProcessingMixin.push_to_hub]]

```python
push_to_hub(repo_id: str, commit_message: str | None = None, commit_description: str | None = None, private: bool | None = None, token: bool | str | None = None, revision: str | None = None, create_pr: bool = False, max_shard_size: int | str | None = '50GB', tags: list[str] | None = None)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/utils/hub.py#L822)

**المعاملات:**

repo_id (`str`) : اسم المستودع الذي تريد دفع مُعالج الصور إليه. يجب أن يحتوي على اسم مؤسستك عند الدفع إلى مؤسسة محددة.

commit_message (`str`, *اختياري*) : الرسالة التي سيتم الالتزام بها أثناء الدفع. ستكون الافتراضية `"Upload image processor"`.

commit_description (`str`، *اختياري*) : وصف الالتزام الذي سيتم إنشاؤه

private (`bool`، *اختياري*) : ما إذا كان سيتم جعل المستودع خاصًا. إذا كانت القيمة `None` (الافتراضي)، فسيكون المستودع عامًا ما لم يكن الافتراضي الخاص بالمنظمة هو الخاص. يتم تجاهل هذه القيمة إذا كان المستودع موجودًا مسبقًا.

token (`bool` أو `str`، *اختياري*) : الرمز الذي يُستخدم كترخيص HTTP bearer للملفات البعيدة. إذا كان `True` (الافتراضي)، فسيتم استخدام الرمز الذي تم إنشاؤه عند تشغيل `hf auth login` (المخزّن في `~/.huggingface`).

revision (`str`، *اختياري*) : الفرع الذي سيتم دفع الملفات المرفوعة إليه.

create_pr (`bool`، *اختياري*، القيمة الافتراضية `False`) : ما إذا كان سيتم إنشاء طلب دمج (PR) مع الملفات المرفوعة أم الالتزام مباشرة.

max_shard_size (`int` أو `str`، *اختياري*، القيمة الافتراضية `"50GB"`) : ينطبق على النماذج فقط. الحد الأقصى لحجم نقطة التفتيش قبل تقسيمها إلى أجزاء. ستكون نقاط التفتيش المقسمة بعد ذلك أصغر من هذا الحجم. إذا تم التعبير عنها كنص، فيجب أن تتكون من أرقام تليها وحدة (مثل `"5MB"`).

tags (`list[str]`، *اختياري*) : قائمة بالوسوم التي سيتم دفعها إلى Hub.

ارفع ملف معالج الصور إلى 🤗 Model Hub.

أمثلة:

```python
from transformers import AutoImageProcessor

image processor = AutoImageProcessor.from_pretrained("google-bert/bert-base-cased")

# Push the image processor to your namespace with the name "my-finetuned-bert".
image processor.push_to_hub("my-finetuned-bert")

# Push the image processor to an organization with the name "my-finetuned-bert".
image processor.push_to_hub("huggingface/my-finetuned-bert")
```

#### register_for_auto_class[[transformers.ImageProcessingMixin.register_for_auto_class]]

```python
register_for_auto_class(auto_class = 'AutoImageProcessor')
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L467)

**المعاملات:**

auto_class (`str` أو `type`، *اختياري*، القيمة الافتراضية `"AutoImageProcessor "`) : فئة auto التي سيتم تسجيل معالج الصور الجديد بها.

سجّل هذه الفئة مع فئة تلقائية محددة. يجب استخدام هذا فقط لمعالجات الصور المخصصة، لأن المعالجات الموجودة في المكتبة مُربط مسبقًا مع `AutoImageProcessor `.

#### save_pretrained[[transformers.ImageProcessingMixin.save_pretrained]]

```python
save_pretrained(save_directory: str | os.PathLike, push_to_hub: bool = False, **kwargs)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L190)

**المعاملات:**

save_directory (`str` أو `os.PathLike`) : المجلد الذي سيُحفظ فيه ملف JSON لمعالج الصور (سيتم إنشاؤه إذا لم يكن موجودًا).

push_to_hub (`bool`، *اختياري*، القيمة الافتراضية `False`) : ما إذا كان سيتم دفع نموذجك إلى مستودع نماذج Hugging Face بعد حفظه. يمكنك تحديد المستودع الذي تريد الدفع إليه باستخدام `repo_id` (سيكون الافتراضي هو اسم `save_directory` ضمن نطاقك).

kwargs (`dict[str, Any]`، *اختياري*) : حُجج إضافية تُمرَّر إلى طريقة [push_to_hub()](/docs/transformers/main/ar/main_classes/model#transformers.utils.PushToHubMixin.push_to_hub).

احفظ كائن معالج الصور في المجلد `save_directory` حتى يمكن إعادة تحميله باستخدام طريقة الفئة [from_pretrained()](/docs/transformers/main/ar/internal/image_processing_utils#transformers.ImageProcessingMixin.from_pretrained).

#### to_dict[[transformers.ImageProcessingMixin.to_dict]]

```python
to_dict()
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L407)

**يعيد:** `dict[str, Any]`

قاموس بجميع السمات التي تُشكّل هذا المثال من معالج الصور.

يسلسل هذه النسخة إلى قاموس بايثون.

#### to_json_file[[transformers.ImageProcessingMixin.to_json_file]]

```python
to_json_file(json_file_path: str | os.PathLike)
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L453)

**المعاملات:**

json_file_path (`str` أو `os.PathLike`) : المسار إلى ملف JSON الذي سيتم حفظ معاملات هذه المثيل من image_processor فيه.

احفظ هذه النسخة في ملف JSON.

#### to_json_string[[transformers.ImageProcessingMixin.to_json_string]]

```python
to_json_string()
```

[المصدر](https://github.com/huggingface/transformers/blob/main/src/transformers/image_processing_base.py#L438)

**يعيد:** `str`

سلسلة تحتوي على جميع السمات التي تُشكّل هذا المثال من feature_extractor بتنسيق JSON.

يسلسل هذه النسخة إلى نص JSON.