# Utilitas untuk pemroses gambar

Halaman ini mencantumkan semua fungsi utilitas yang digunakan oleh pemroses gambar, terutama transformasi fungsional yang digunakan untuk memproses gambar.

Sebagian besar dari hal tersebut hanya berguna jika Anda sedang mempelajari kode dari pemroses gambar di pustaka.

## Transformasi Gambar[[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[int, int], data_format: str | transformers.image_utils.ChannelDimension | None = None, input_data_format: str | transformers.image_utils.ChannelDimension | None = None)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L448)

**Parameter:**

image (`np.ndarray`) : Gambar yang akan dipotong.

size (`tuple[int, int]`) : Ukuran target untuk gambar yang dipotong.

data_format (`str` atau `ChannelDimension`, *opsional*) : Format dimensi channel untuk gambar keluaran. Bisa berupa salah satu dari: - `"channels_first"` atau `ChannelDimension.FIRST`: gambar dalam format (num_channels, height, width). - `"channels_last"` atau `ChannelDimension.LAST`: gambar dalam format (height, width, num_channels). Jika tidak disetel, akan menggunakan format yang disimpulkan dari gambar masukan.

input_data_format (`str` atau `ChannelDimension`, *opsional*) : Format dimensi channel untuk gambar input. Bisa berupa salah satu dari: - `"channels_first"` atau `ChannelDimension.FIRST`: gambar dalam format (num_channels, height, width). - `"channels_last"` atau `ChannelDimension.LAST`: gambar dalam format (height, width, num_channels). Jika tidak disetel, format yang disimpulkan dari gambar input akan digunakan.

**Mengembalikan:** `np.ndarray`

Gambar yang dipotong.

Memotong `image` ke `size` yang ditentukan menggunakan center crop. Perhatikan bahwa jika gambar terlalu kecil untuk dipotong ke ukuran yang diberikan, gambar akan di-pad (sehingga hasil yang dikembalikan selalu berukuran `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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L553)

Mengubah kotak pembatas dari format pusat ke format sudut.

format center: berisi koordinat untuk pusat kotak dan dimensi lebar serta tingginya (center_x, center_y, width, height) format corners: berisi koordinat untuk sudut kiri atas dan kanan bawah kotak (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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L596)

Mengubah kotak pembatas dari format sudut ke format pusat.

format sudut: berisi koordinat untuk sudut kiri atas dan kanan bawah kotak (top_left_x, top_left_y, bottom_right_x, bottom_right_y) format pusat: berisi koordinat untuk pusat kotak serta dimensi lebar dan tingginya (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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L643)

Mengonversi ID unik menjadi warna 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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L387)

**Parameter:**

image (`np.ndarray`) : Gambar yang akan dinormalisasi.

mean (`float` atau `Collection[float]`) : Rata-rata yang digunakan untuk normalisasi.

std (`float` atau `Collection[float]`) : Standar deviasi yang digunakan untuk normalisasi.

data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar keluaran. Jika tidak disetel, akan menggunakan format yang disimpulkan dari input.

input_data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar input. Jika tidak disetel, akan menggunakan format yang disimpulkan dari input.

Menormalkan `image` menggunakan rata-rata dan deviasi standar yang ditentukan oleh `mean` dan `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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L673)

**Parameter:**

image (`np.ndarray`) : Gambar yang akan di-pad.

padding (`int` atau `tuple[int, int]` atau `Iterable[tuple[int, int]]`) : Padding yang diterapkan pada tepi sumbu tinggi dan lebar. Dapat berupa salah satu dari tiga format: - `((before_height, after_height), (before_width, after_width))` lebar pad unik untuk setiap sumbu. - `((before, after),)` menghasilkan pad before dan after yang sama untuk tinggi dan lebar. - `(pad,)` atau int adalah pintasan untuk before = after = lebar pad untuk semua sumbu.

mode (`PaddingMode`) : Mode padding yang akan digunakan. Dapat berupa salah satu dari: - `"constant"`: mengisi dengan nilai konstan. - `"reflect"`: mengisi dengan refleksi vektor yang dicerminkan pada nilai pertama dan terakhir dari vektor di sepanjang setiap sumbu. - `"replicate"`: mengisi dengan replikasi nilai terakhir di tepi array di sepanjang setiap sumbu. - `"symmetric"`: mengisi dengan refleksi vektor yang dicerminkan di sepanjang tepi array.

constant_values (`float` atau `Iterable[float]`, *opsional*) : Nilai yang digunakan untuk padding jika `mode` adalah `"constant"`.

data_format (`str` atau `ChannelDimension`, *opsional*) : Format dimensi channel untuk gambar keluaran. Bisa berupa salah satu dari: - `"channels_first"` atau `ChannelDimension.FIRST`: gambar dalam format (num_channels, height, width). - `"channels_last"` atau `ChannelDimension.LAST`: gambar dalam format (height, width, num_channels). Jika tidak disetel, akan menggunakan format yang sama dengan gambar masukan.

input_data_format (`str` atau `ChannelDimension`, *opsional*) : Format dimensi channel untuk gambar input. Bisa berupa salah satu dari: - `"channels_first"` atau `ChannelDimension.FIRST`: gambar dalam format (num_channels, height, width). - `"channels_last"` atau `ChannelDimension.LAST`: gambar dalam format (height, width, num_channels). Jika tidak disetel, format yang disimpulkan dari gambar input akan digunakan.

**Mengembalikan:** `np.ndarray`

Gambar yang telah di-*padding*.

Menambahkan `padding` pada `image` dengan ukuran (tinggi, lebar) dan `mode` yang ditentukan.

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

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

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L632)

Mengonversi warna RGB menjadi ID unik.

#### 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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L92)

**Parameter:**

image (`np.ndarray`) : Gambar yang akan diskalakan ulang.

scale (`float`) : Skala yang digunakan untuk melakukan penskalaan ulang gambar.

data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar. Jika tidak disediakan, akan sama dengan gambar input.

dtype (`np.dtype`, *opsional*, defaultnya `np.float32`) : dtype dari gambar keluaran. Defaultnya `np.float32`. Digunakan untuk kompatibilitas mundur dengan feature extractor.

input_data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar input. Jika tidak disediakan, format ini akan disimpulkan dari gambar input.

**Mengembalikan:** `np.ndarray`

Gambar yang telah diskalakan ulang.

Mengubah skala `image` dengan `scale`.

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

```python
transformers.image_transforms.resize(image: ndarray, size: tuple[int, int], 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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L316)

**Parameter:**

image (`np.ndarray`) : Gambar yang akan diubah ukurannya.

size (`tuple[int, int]`) : Ukuran yang akan digunakan untuk mengubah ukuran gambar.

resample (`int`, *opsional*, default `PILImageResampling.BILINEAR`) : Filter yang digunakan untuk resampling.

reducing_gap (`int`, *opsional*) : Terapkan optimasi dengan mengubah ukuran gambar dalam dua langkah. Semakin besar `reducing_gap`, semakin dekat hasilnya ke resampling yang adil. Lihat dokumentasi Pillow yang sesuai untuk detail lebih lanjut.

data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar keluaran. Jika tidak disetel, akan menggunakan format yang disimpulkan dari input.

return_numpy (`bool`, *opsional*, defaultnya `True`) : Apakah mengembalikan gambar yang telah diubah ukurannya sebagai array numpy. Jika False, objek `PIL.Image.Image` yang dikembalikan.

input_data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar input. Jika tidak disetel, akan menggunakan format yang disimpulkan dari input.

**Mengembalikan:** `np.ndarray`

Gambar yang telah diubah ukurannya.

Mengubah ukuran `image` menjadi `(height, width)` yang ditentukan oleh `size` menggunakan pustaka 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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_transforms.py#L157)

**Parameter:**

image (`PIL.Image.Image` atau `numpy.ndarray` atau `torch.Tensor`) : Gambar yang akan dikonversi ke format `PIL.Image`.

do_rescale (`bool`, *opsional*) : Apakah faktor penskalaan akan diterapkan (untuk membuat nilai piksel menjadi bilangan bulat antara 0 dan 255). Nilainya secara default `True` jika tipe gambar adalah tipe floating dan pencasting ke `int` akan menyebabkan hilangnya presisi, dan `False` selain itu.

image_mode (`str`, *opsional*) : Mode yang akan digunakan untuk gambar PIL. Jika tidak disetel, mode default untuk tipe gambar input akan digunakan.

input_data_format (`ChannelDimension`, *opsional*) : Format dimensi channel dari gambar input. Jika tidak disetel, akan menggunakan format yang disimpulkan dari input.

**Mengembalikan:** `PIL.Image.Image`

Gambar yang telah dikonversi.

Mengonversi `image` menjadi PIL Image. Secara opsional, melakukan penskalaan ulang dan mengembalikan dimensi channel sebagai sumbu terakhir jika diperlukan.

## ImageProcessingMixin[[transformers.ImageProcessingMixin]]

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

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

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L61)

Ini adalah mixin pemroses gambar yang digunakan untuk menyediakan fungsionalitas penyimpanan/pemuatan untuk ekstraktor fitur sekuensial dan gambar.

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

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

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L489)

Mengonversi satu atau daftar url menjadi objek `PIL.Image` yang sesuai.

Jika satu url diberikan, nilai yang dikembalikan akan berupa satu objek. Jika sebuah daftar diberikan, sebuah daftar objek akan dikembalikan.

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

```python
from_dict(image_processor_dict: dict[str, typing.Any], **kwargs)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L366)

**Parameter:**

image_processor_dict (`dict[str, Any]`) : Kamus yang akan digunakan untuk menginstansiasi objek image processor. Kamus semacam ini dapat diambil dari checkpoint pretrained dengan memanfaatkan metode [to_dict()](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin.to_dict).

kwargs (`dict[str, Any]`) : Parameter tambahan untuk menginisialisasi objek image processor.

**Mengembalikan:** [ImageProcessingMixin](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin)

Objek pemroses gambar yang diinstansiasi dari parameter tersebut.

Membuat instans dari tipe [ImageProcessingMixin](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin) dari kamus Python berisi parameter.

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

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

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L419)

**Parameter:**

json_file (`str` atau `os.PathLike`) : Path ke file JSON yang berisi parameter.

**Mengembalikan:** Sebuah image processor bertipe [ImageProcessingMixin](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin)

Objek image_processor yang diinstansiasi dari file JSON tersebut.

Membuat instans pemroses gambar bertipe [ImageProcessingMixin](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin) dari path ke file JSON berisi parameter.

#### 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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L84)

**Parameter:**

pretrained_model_name_or_path (`str` atau `os.PathLike`) : Ini bisa berupa:  - sebuah string, yaitu *model id* dari image_processor pretrained yang dihosting di dalam model repo di huggingface.co. - path ke *directory* yang berisi file image processor yang disimpan menggunakan metode [save_pretrained()](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin.save_pretrained), misalnya `./my_model_directory/`. - path ke file JSON *file* image processor yang disimpan, misalnya `./my_model_directory/preprocessor_config.json`.

cache_dir (`str` atau `os.PathLike`, *opsional*) : Path ke direktori tempat image processor model pretrained yang diunduh harus di-cache jika cache standar tidak digunakan.

force_download (`bool`, *opsional*, default `False`) : Apakah akan memaksa untuk (mengunduh ulang) file image processor dan menimpa versi yang sudah di-cache jika ada.

proxies (`dict[str, str]`, *opsional*) : Kamus server proxy yang digunakan berdasarkan protokol atau endpoint, misalnya `{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}.` Proxy digunakan pada setiap permintaan.

token (`str` atau `bool`, *opsional*) : Token yang digunakan sebagai otorisasi bearer HTTP untuk file jarak jauh. Jika `True`, atau tidak ditentukan, akan menggunakan token yang dihasilkan saat menjalankan `hf auth login` (disimpan di `~/.huggingface`).

revision (`str`, *opsional*, defaultnya `"main"`) : Versi model spesifik yang akan digunakan. Bisa berupa nama branch, nama tag, atau id commit, karena kami menggunakan sistem berbasis git untuk menyimpan model dan artefak lainnya di huggingface.co, sehingga `revision` dapat berupa identifikasi apa pun yang diizinkan oleh git.     Untuk menguji pull request yang Anda buat di Hub, Anda dapat meneruskan `revision="refs/pr/<pr_number>"`.

return_unused_kwargs (`bool`, *opsional*, default `False`) : Jika `False`, fungsi ini hanya mengembalikan objek image processor akhir. Jika `True`, fungsi ini mengembalikan `Tuple(image_processor, unused_kwargs)` di mana *unused_kwargs* adalah kamus yang terdiri dari pasangan kunci/nilai yang kuncinya bukan atribut image processor: yaitu, bagian dari `kwargs` yang tidak digunakan untuk memperbarui `image_processor` dan diabaikan.

subfolder (`str`, *opsional*, default `""`) : Jika file yang relevan berada di dalam subfolder dari repo model di huggingface.co, Anda dapat menentukan nama folder di sini.

kwargs (`dict[str, Any]`, *opsional*) : Nilai dalam kwargs untuk kunci apa pun yang merupakan atribut image processor akan digunakan untuk menimpa nilai yang dimuat. Perilaku terkait pasangan kunci/nilai yang kuncinya *bukan* atribut image processor dikendalikan oleh parameter kata kunci `return_unused_kwargs`.

**Mengembalikan:**

Pemroses gambar bertipe [ImageProcessingMixin](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin).

Instansiasi tipe [ImageProcessingMixin](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin) dari image processor.

Contoh:

```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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L238)

**Parameter:**

pretrained_model_name_or_path (`str` atau `os.PathLike`) : Pengidentifikasi checkpoint terlatih sebelumnya yang darinya kita ingin mengambil kamus parameter.

subfolder (`str`, *opsional*, default `""`) : Jika file yang relevan berada di dalam subfolder dari repo model di huggingface.co, Anda dapat menentukan nama folder di sini.

image_processor_filename (`str`, *opsional*, defaultnya `"config.json"`) : Nama file di direktori model yang digunakan untuk konfigurasi image processor.

**Mengembalikan:** `tuple[Dict, Dict]`

Kamus yang akan digunakan untuk menginstansiasi objek pemroses gambar.

Dari `pretrained_model_name_or_path`, selesaikan menjadi kamus parameter, yang akan digunakan untuk menginstansiasi image processor bertipe `~image_processor_utils.ImageProcessingMixin` menggunakan `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)
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/utils/hub.py#L822)

**Parameter:**

repo_id (`str`) : Nama repositori tempat Anda ingin mendorong image processor Anda. Nama ini harus mencakup nama organisasi Anda saat mendorong ke organisasi tertentu.

commit_message (`str`, *opsional*) : Pesan untuk commit saat push. Secara default akan menjadi `"Upload image processor"`.

commit_description (`str`, *opsional*) : Deskripsi dari commit yang akan dibuat

private (`bool`, *opsional*) : Apakah akan membuat repo menjadi privat. Jika `None` (default), repo akan bersifat publik kecuali default organisasi adalah privat. Nilai ini diabaikan jika repo sudah ada.

token (`bool` atau `str`, *opsional*) : Token yang akan digunakan sebagai otorisasi bearer HTTP untuk file jarak jauh. Jika `True` (default), akan menggunakan token yang dihasilkan saat menjalankan `hf auth login` (disimpan di `~/.huggingface`).

revision (`str`, *opsional*) : Cabang untuk mendorong file yang diunggah.

create_pr (`bool`, *opsional*, default `False`) : Apakah akan membuat PR dengan file yang diunggah atau langsung melakukan commit.

max_shard_size (`int` atau `str`, *opsional*, default `"50GB"`) : Hanya berlaku untuk model. Ukuran maksimum untuk checkpoint sebelum dipecah menjadi shard. Setiap shard checkpoint akan memiliki ukuran lebih kecil dari nilai ini. Jika dinyatakan sebagai string, harus berupa angka diikuti satuan (seperti `"5MB"`).

tags (`list[str]`, *opsional*) : Daftar tag untuk didorong ke Hub.

Unggah file image processor ke 🤗 Model Hub.

Contoh:

```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')
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L467)

**Parameter:**

auto_class (`str` atau `type`, *opsional*, defaultnya `"AutoImageProcessor "`) : Kelas auto untuk mendaftarkan image processor baru ini.

Daftarkan kelas ini dengan auto class tertentu. Ini hanya harus digunakan untuk image processor kustom, karena yang ada di pustaka sudah dipetakan dengan `AutoImageProcessor `.

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

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

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L190)

**Parameter:**

save_directory (`str` atau `os.PathLike`) : Direktori tempat file JSON image processor akan disimpan (akan dibuat jika belum ada).

push_to_hub (`bool`, *opsional*, default `False`) : Apakah model akan didorong ke Hugging Face model hub setelah disimpan. Anda dapat menentukan repositori tujuan dengan `repo_id` (defaultnya adalah nama `save_directory` di namespace Anda).

kwargs (`dict[str, Any]`, *opsional*) : Argumen kata kunci tambahan yang diteruskan ke metode [push_to_hub()](/docs/transformers/v5.23.0/id/main_classes/model#transformers.utils.PushToHubMixin.push_to_hub).

Simpan objek image processor ke direktori `save_directory` agar dapat dimuat ulang menggunakan metode kelas [from_pretrained()](/docs/transformers/v5.23.0/id/internal/image_processing_utils#transformers.ImageProcessingMixin.from_pretrained).

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

```python
to_dict()
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L407)

**Mengembalikan:** `dict[str, Any]`

Kamus dari semua atribut yang membentuk instance image processor ini.

Menserialisasi instance ini ke dalam kamus Python.

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

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

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L453)

**Parameter:**

json_file_path (`str` atau `os.PathLike`) : Path ke file JSON tempat parameter instance image_processor ini akan disimpan.

Simpan instance ini ke file JSON.

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

```python
to_json_string()
```

[Sumber](https://github.com/huggingface/transformers/blob/v5.23.0/src/transformers/image_processing_base.py#L438)

**Mengembalikan:** `str`

String yang berisi semua atribut yang membentuk instance feature_extractor ini dalam format JSON.

Menserialisasi instance ini ke string JSON.