# Công cụ tiện ích cho bộ xử lý ảnh

Trang này liệt kê tất cả các hàm tiện ích được sử dụng bởi các bộ xử lý ảnh, chủ yếu là các phép biến đổi dạng hàm được dùng để xử lý ảnh.

Phần lớn những thông tin này chỉ hữu ích nếu bạn đang nghiên cứu mã nguồn của các bộ xử lý ảnh trong thư viện.

## Biến đổi ảnh[[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)
```

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

**Tham số:**

image (`np.ndarray`) : Ảnh cần cắt.

size (`tuple[int, int]`) : Kích thước đích cho ảnh đã được cắt.

data_format (`str` hoặc `ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh cho ảnh đầu ra. Có thể là một trong các giá trị sau: - `"channels_first"` hoặc `ChannelDimension.FIRST`: ảnh ở định dạng (num_channels, height, width). - `"channels_last"` hoặc `ChannelDimension.LAST`: ảnh ở định dạng (height, width, num_channels). Nếu không được đặt, sẽ sử dụng định dạng suy ra từ ảnh đầu vào.

input_data_format (`str` hoặc `ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh cho ảnh đầu vào. Có thể là một trong các giá trị sau: - `"channels_first"` hoặc `ChannelDimension.FIRST`: ảnh ở định dạng (num_channels, height, width). - `"channels_last"` hoặc `ChannelDimension.LAST`: ảnh ở định dạng (height, width, num_channels). Nếu không được đặt, sẽ sử dụng định dạng suy ra từ ảnh đầu vào.

**Trả về:** `np.ndarray`

Hình ảnh đã được cắt.

Cắt `image` thành `size` đã chỉ định bằng cách cắt ở giữa. Lưu ý rằng nếu ảnh quá nhỏ để cắt thành kích thước đã cho, nó sẽ được đệm (do đó kết quả trả về luôn có kích thước `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)
```

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

Chuyển đổi hộp bao từ định dạng tâm sang định dạng góc.

center format: chứa tọa độ của tâm hộp và các kích thước chiều rộng, chiều cao (center_x, center_y, width, height) corners format: chứa tọa độ của góc trên bên trái và góc dưới bên phải của hộp (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)
```

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

Chuyển đổi hộp bao từ định dạng góc sang định dạng tâm.

định dạng góc: chứa tọa độ của góc trên bên trái và góc dưới bên phải của hộp (top_left_x, top_left_y, bottom_right_x, bottom_right_y) định dạng tâm: chứa tọa độ của tâm hộp cùng với chiều rộng, chiều cao (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)
```

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

Chuyển đổi ID duy nhất thành màu 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)
```

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

**Tham số:**

image (`np.ndarray`) : Ảnh cần chuẩn hóa.

mean (`float` hoặc `Collection[float]`) : Giá trị trung bình được sử dụng để chuẩn hóa.

std (`float` hoặc `Collection[float]`) : Độ lệch chuẩn để sử dụng cho việc chuẩn hóa.

data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của hình ảnh đầu ra. Nếu không được đặt, sẽ sử dụng định dạng suy ra từ đầu vào.

input_data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của ảnh đầu vào. Nếu không được đặt, sẽ sử dụng định dạng suy ra từ đầu vào.

Chuẩn hóa `image` bằng cách sử dụng giá trị trung bình và độ lệch chuẩn được chỉ định bởi `mean` và `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)
```

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

**Tham số:**

image (`np.ndarray`) : Ảnh cần chèn lề.

padding (`int` hoặc `tuple[int, int]` hoặc `Iterable[tuple[int, int]]`) : Padding áp dụng cho các cạnh của trục chiều cao, chiều rộng. Có thể ở một trong ba định dạng: - `((before_height, after_height), (before_width, after_width))` độ rộng pad riêng biệt cho từng trục. - `((before, after),)` tạo ra pad before và after giống nhau cho chiều cao và chiều rộng. - `(pad,)` hoặc int là cách viết tắt cho before = after = độ rộng pad cho tất cả các trục.

mode (`PaddingMode`) : Chế độ đệm (padding) cần sử dụng. Có thể là một trong các giá trị sau: - `"constant"`: đệm bằng một giá trị hằng số. - `"reflect"`: đệm bằng phép phản chiếu của vector được gương trên giá trị đầu và cuối của vector dọc theo mỗi trục. - `"replicate"`: đệm bằng phép nhân bản giá trị cuối cùng ở cạnh của mảng dọc theo mỗi trục. - `"symmetric"`: đệm bằng phép phản chiếu của vector được gương dọc theo cạnh của mảng.

constant_values (`float` hoặc `Iterable[float]`, *tùy chọn*) : Giá trị được sử dụng cho phần đệm nếu `mode` là `"constant"`.

data_format (`str` hoặc `ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh cho ảnh đầu ra. Có thể là một trong các giá trị sau: - `"channels_first"` hoặc `ChannelDimension.FIRST`: ảnh ở định dạng (num_channels, height, width). - `"channels_last"` hoặc `ChannelDimension.LAST`: ảnh ở định dạng (height, width, num_channels). Nếu không được đặt, sẽ sử dụng cùng định dạng với ảnh đầu vào.

input_data_format (`str` hoặc `ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh cho ảnh đầu vào. Có thể là một trong các giá trị sau: - `"channels_first"` hoặc `ChannelDimension.FIRST`: ảnh ở định dạng (num_channels, height, width). - `"channels_last"` hoặc `ChannelDimension.LAST`: ảnh ở định dạng (height, width, num_channels). Nếu không được đặt, sẽ sử dụng định dạng suy ra từ ảnh đầu vào.

**Trả về:** `np.ndarray`

Hình ảnh đã được đệm.

Đệm `image` bằng `padding` (chiều cao, chiều rộng) và `mode` được chỉ định.

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

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

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

Chuyển đổi màu RGB thành ID duy nhất.

#### 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)
```

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

**Tham số:**

image (`np.ndarray`) : Ảnh cần điều chỉnh tỷ lệ.

scale (`float`) : Thang đo để sử dụng cho việc điều chỉnh lại kích thước ảnh.

data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của hình ảnh. Nếu không được cung cấp, nó sẽ giống với hình ảnh đầu vào.

dtype (`np.dtype`, *tùy chọn*, mặc định là `np.float32`) : Kiểu dữ liệu của ảnh đầu ra. Mặc định là `np.float32`. Được sử dụng để tương thích ngược với các bộ trích xuất đặc trưng.

input_data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của hình ảnh đầu vào. Nếu không được cung cấp, nó sẽ được suy ra từ hình ảnh đầu vào.

**Trả về:** `np.ndarray`

Hình ảnh đã được thay đổi tỷ lệ.

Thay đổi kích thước `image` theo `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)
```

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

**Tham số:**

image (`np.ndarray`) : Ảnh cần thay đổi kích thước.

size (`tuple[int, int]`) : Kích thước được sử dụng để thay đổi kích thước ảnh.

resample (`int`, *tuỳ chọn*, mặc định là `PILImageResampling.BILINEAR`) : Bộ lọc dùng để lấy mẫu lại.

reducing_gap (`int`, *optional*) : Áp dụng tối ưu hóa bằng cách thay đổi kích thước ảnh theo hai bước. `reducing_gap` càng lớn, kết quả càng gần với việc lấy mẫu công bằng. Xem tài liệu tương ứng của Pillow để biết thêm chi tiết.

data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của hình ảnh đầu ra. Nếu không được đặt, sẽ sử dụng định dạng suy ra từ đầu vào.

return_numpy (`bool`, *tùy chọn*, mặc định là `True`) : Có trả về ảnh đã thay đổi kích thước dưới dạng mảng numpy hay không. Nếu là False, một đối tượng `PIL.Image.Image` sẽ được trả về.

input_data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của ảnh đầu vào. Nếu không được đặt, sẽ sử dụng định dạng suy ra từ đầu vào.

**Trả về:** `np.ndarray`

Hình ảnh đã được thay đổi kích thước.

Đổi kích thước `image` thành `(height, width)` được chỉ định bởi `size` bằng thư viện 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)
```

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

**Tham số:**

image (`PIL.Image.Image` hoặc `numpy.ndarray` hoặc `torch.Tensor`) : Ảnh cần chuyển đổi sang định dạng `PIL.Image`.

do_rescale (`bool`, *optional*) : Có áp dụng hệ số tỷ lệ hay không (để làm cho giá trị pixel trở thành số nguyên từ 0 đến 255). Mặc định là `True` nếu kiểu ảnh là kiểu số thực và việc chuyển đổi sang `int` sẽ gây mất độ chính xác, ngược lại là `False`.

image_mode (`str`, *tùy chọn*) : Chế độ sử dụng cho hình ảnh PIL. Nếu không được đặt, sẽ sử dụng chế độ mặc định cho loại hình ảnh đầu vào.

input_data_format (`ChannelDimension`, *tùy chọn*) : Định dạng chiều kênh của ảnh đầu vào. Nếu không được đặt, sẽ sử dụng định dạng suy ra từ đầu vào.

**Trả về:** `PIL.Image.Image`

Hình ảnh đã được chuyển đổi.

Chuyển đổi `image` thành một hình ảnh PIL. Tùy chọn để thay đổi tỷ lệ và đưa chiều kênh về làm trục cuối nếu cần.

## ImageProcessingMixin[[transformers.ImageProcessingMixin]]

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

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

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

Đây là một mixin của bộ xử lý hình ảnh được sử dụng để cung cấp chức năng lưu/tải cho các bộ trích xuất đặc trưng tuần tự và hình ảnh.

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

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

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

Chuyển đổi một hoặc một danh sách các url thành các đối tượng `PIL.Image` tương ứng.

Nếu một url duy nhất được truyền vào, giá trị trả về sẽ là một đối tượng duy nhất. Nếu một danh sách được truyền vào, một danh sách các đối tượng sẽ được trả về.

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

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

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

**Tham số:**

image_processor_dict (`dict[str, Any]`) : Từ điển sẽ được dùng để khởi tạo đối tượng image processor. Một từ điển như vậy có thể được lấy từ checkpoint được huấn luyện trước bằng cách sử dụng phương thức [to_dict()](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin.to_dict).

kwargs (`dict[str, Any]`) : Các tham số bổ sung để khởi tạo đối tượng image processor.

**Trả về:** [ImageProcessingMixin](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin)

Đối tượng bộ xử lý ảnh được khởi tạo từ các tham số đó.

Tạo một kiểu [ImageProcessingMixin](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin) từ một từ điển Python chứa các tham số.

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

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

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

**Tham số:**

json_file (`str` hoặc `os.PathLike`) : Đường dẫn đến tệp JSON chứa các tham số.

**Trả về:** Một bộ xử lý ảnh có kiểu [ImageProcessingMixin](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin)

Đối tượng image_processor được khởi tạo từ tệp JSON đó.

Khởi tạo một bộ xử lý ảnh có kiểu [ImageProcessingMixin](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin) từ đường dẫn đến tệp JSON chứa các tham số.

#### 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)
```

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

**Tham số:**

pretrained_model_name_or_path (`str` or `os.PathLike`) : This can be either:  - a string, the *model id* of a pretrained image_processor hosted inside a model repo on huggingface.co. - a path to a *directory* containing a image processor file saved using the [save_pretrained()](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin.save_pretrained) method, e.g., `./my_model_directory/`. - a path to a saved image processor JSON *file*, e.g., `./my_model_directory/preprocessor_config.json`.

cache_dir (`str` hoặc `os.PathLike`, *tùy chọn*) : Đường dẫn đến thư mục mà bộ xử lý ảnh của mô hình được huấn luyện trước đã tải xuống sẽ được lưu đệm nếu không sử dụng bộ lưu đệm tiêu chuẩn.

force_download (`bool`, *tùy chọn*, mặc định là `False`) : Xác định có nên ép buộc (tải lại) các tệp bộ xử lý ảnh và ghi đè lên các phiên bản được lưu trong bộ nhớ đệm nếu chúng tồn tại hay không.

proxies (`dict[str, str]`, *tùy chọn*) : Một từ điển các máy chủ proxy để sử dụng theo giao thức hoặc điểm cuối, ví dụ: `{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}.` Các proxy được sử dụng cho mỗi yêu cầu.

token (`str` hoặc `bool`, *tùy chọn*) : Token được sử dụng làm HTTP bearer authorization cho các tệp từ xa. Nếu là `True`, hoặc không được chỉ định, sẽ sử dụng token được tạo khi chạy `hf auth login` (được lưu trong `~/.huggingface`).

revision (`str`, *tùy chọn*, mặc định là `"main"`) : Phiên bản mô hình cụ thể cần sử dụng. Nó có thể là tên nhánh, tên thẻ hoặc id commit, vì chúng tôi sử dụng hệ thống dựa trên git để lưu trữ các mô hình và các sản phẩm khác trên huggingface.co, do đó `revision` có thể là bất kỳ định danh nào được git cho phép. Để kiểm tra một pull request bạn đã tạo trên Hub, bạn có thể truyền `revision="refs/pr/<pr_number>"`.

return_unused_kwargs (`bool`, *tuỳ chọn*, mặc định là `False`) : Nếu `False`, hàm này chỉ trả về đối tượng image processor cuối cùng. Nếu `True`, hàm này trả về một `Tuple(image_processor, unused_kwargs)` trong đó *unused_kwargs* là một từ điển gồm các cặp khóa/giá trị mà khóa không phải là thuộc tính của image processor: tức là phần của `kwargs` chưa được dùng để cập nhật `image_processor` và bị bỏ qua.

subfolder (`str`, *tùy chọn*, mặc định là `""`) : Trong trường hợp các tệp liên quan nằm trong một thư mục con của kho mô hình trên huggingface.co, bạn có thể chỉ định tên thư mục ở đây.

kwargs (`dict[str, Any]`, *tùy chọn*) : Các giá trị trong kwargs của bất kỳ khóa nào là thuộc tính của image processor sẽ được dùng để ghi đè lên các giá trị đã tải. Hành vi đối với các cặp khóa/giá trị mà khóa *không phải* là thuộc tính của image processor được kiểm soát bởi tham số từ khóa `return_unused_kwargs`.

**Trả về:**

Bộ xử lý ảnh có kiểu [ImageProcessingMixin](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin).

Tạo một kiểu [ImageProcessingMixin](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin) từ một image processor.

Ví dụ:

```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)
```

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

**Tham số:**

pretrained_model_name_or_path (`str` hoặc `os.PathLike`) : Định danh của checkpoint được huấn luyện trước mà chúng ta muốn lấy từ điển các tham số từ đó.

subfolder (`str`, *tùy chọn*, mặc định là `""`) : Trong trường hợp các tệp liên quan nằm trong một thư mục con của kho mô hình trên huggingface.co, bạn có thể chỉ định tên thư mục ở đây.

image_processor_filename (`str`, *tùy chọn*, mặc định là `"config.json"`) : Tên của tệp trong thư mục mô hình được sử dụng cho cấu hình bộ xử lý hình ảnh.

**Trả về:** `tuple[Dict, Dict]`

Từ điển sẽ được sử dụng để khởi tạo đối tượng image processor.

Từ `pretrained_model_name_or_path`, phân giải thành một từ điển các tham số, để sử dụng cho việc khởi tạo một image processor có kiểu `~image_processor_utils.ImageProcessingMixin` bằng `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)
```

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

**Tham số:**

repo_id (`str`) : Tên của kho mà bạn muốn đẩy bộ xử lý ảnh của mình đến. Nó phải chứa tên tổ chức của bạn khi đẩy đến một tổ chức cụ thể.

commit_message (`str`, *tùy chọn*) : Thông điệp để commit khi đẩy. Mặc định là `"Upload image processor"`.

commit_description (`str`, *tùy chọn*) : Mô tả của commit sẽ được tạo

private (`bool`, *tuỳ chọn*) : Có nên đặt kho thành riêng tư hay không. Nếu là `None` (mặc định), kho sẽ là công khai trừ khi mặc định của tổ chức là riêng tư. Giá trị này bị bỏ qua nếu kho đã tồn tại.

token (`bool` hoặc `str`, *tùy chọn*) : Token được sử dụng làm HTTP bearer authorization cho các tệp từ xa. Nếu `True` (mặc định), sẽ sử dụng token được tạo khi chạy `hf auth login` (được lưu trong `~/.huggingface`).

revision (`str`, *tùy chọn*) : Nhánh để đẩy các tệp đã tải lên.

create_pr (`bool`, *tùy chọn*, mặc định là `False`) : Có tạo PR với các tệp đã tải lên hoặc commit trực tiếp hay không.

max_shard_size (`int` hoặc `str`, *không bắt buộc*, mặc định là `"50GB"`) : Chỉ áp dụng cho các model. Kích thước tối đa của một checkpoint trước khi được chia nhỏ (sharding). Các checkpoint sau khi chia nhỏ sẽ có kích thước nhỏ hơn giá trị này. Nếu được biểu diễn dưới dạng chuỗi, cần là các chữ số theo sau bởi một đơn vị (ví dụ `"5MB"`).

tags (`list[str]`, *tùy chọn*) : Danh sách các thẻ để đẩy lên Hub.

Tải tệp trình xử lý hình ảnh lên 🤗 Model Hub.

Ví dụ:

```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')
```

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

**Tham số:**

auto_class (`str` hoặc `type`, *tùy chọn*, mặc định là `"AutoImageProcessor "`) : Lớp auto để đăng ký trình xử lý ảnh mới này.

Đăng ký lớp này với một lớp auto cho trước. Thao tác này chỉ nên được sử dụng cho các bộ xử lý ảnh tùy chỉnh vì các bộ xử lý trong thư viện đã được ánh xạ với `AutoImageProcessor `.

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

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

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

**Tham số:**

save_directory (`str` hoặc `os.PathLike`) : Thư mục nơi tệp JSON của bộ xử lý hình ảnh sẽ được lưu (sẽ được tạo nếu chưa tồn tại).

push_to_hub (`bool`, *tùy chọn*, mặc định là `False`) : Có đẩy mô hình của bạn lên Hugging Face model hub sau khi lưu hay không. Bạn có thể chỉ định kho lưu trữ muốn đẩy đến bằng `repo_id` (mặc định sẽ là tên của `save_directory` trong namespace của bạn).

kwargs (`dict[str, Any]`, *tùy chọn*) : Các đối số từ khóa bổ sung được truyền đến phương thức [push_to_hub()](/docs/transformers/main/vi/main_classes/model#transformers.utils.PushToHubMixin.push_to_hub).

Lưu đối tượng image processor vào thư mục `save_directory` để có thể tải lại bằng phương thức lớp [from_pretrained()](/docs/transformers/main/vi/internal/image_processing_utils#transformers.ImageProcessingMixin.from_pretrained).

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

```python
to_dict()
```

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

**Trả về:** `dict[str, Any]`

Từ điển chứa tất cả các thuộc tính cấu thành lên bản thể image processor này.

Chuẩn hóa bản thể này thành một từ điển Python.

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

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

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

**Tham số:**

json_file_path (`str` hoặc `os.PathLike`) : Đường dẫn đến tệp JSON mà các tham số của instance image_processor này sẽ được lưu vào.

Lưu bản thể này vào một tệp JSON.

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

```python
to_json_string()
```

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

**Trả về:** `str`

Chuỗi chứa tất cả các thuộc tính tạo thành instance feature_extractor này ở định dạng JSON.

Chuẩn hóa bản thể này thành một chuỗi JSON.