本文主要是介绍【图像数据扩充】翻转、亮度、对比度、锐度、色彩等扩充,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
【图像数据扩充】翻转、亮度、对比度、锐度、色彩等扩充
文章目录
- 【图像数据扩充】翻转、亮度、对比度、锐度、色彩等扩充
- 1. 介绍
- 2. 代码及示例
- 2.1 基于 Opencv 的翻转
- 2.1.1 效果
- 2.2 基于PIL的亮度、对比度、锐度、色彩变化
- 2.2.1 效果
- 3. 总结
1. 介绍
当我们使用深度学习进行训练时,数据集如果不充足,会想到去扩充数据。下面我们就介绍五种常用的扩充方法。
- 翻转变化:对图像进行旋转和水平、垂直反转等操作。
- 亮度变化:对图像的亮度进行改变。
- 对比度变化:也就是对图像的明暗区域之间的色觉差距进行调整。
- 锐度变化:对图像的边缘或者线条进行增强,也即突出边缘感。
- 色彩变化:对色彩进行调整,黄色变绿色等。
2. 代码及示例
2.1 基于 Opencv 的翻转
import cv2'''1. 旋转'''
def cv2_rotation(img, angle): '''输入图像、要旋转的角度'''(h, w) = img.shape[:2]center = (w // 2, h // 2)M = cv2.getRotationMatrix2D(center, angle, 1.)rotated = cv2.warpAffine(img, M, (w, h))return rotated'''2. 反转'''
img1 = cv2.flip(img, 0) # 水平翻转
img2 = cv2.flip(img, 1) # 垂直反转
img3 = cv2.flip(img, -1) # 水平垂直反转
2.1.1 效果
对上述的旋转和反转做不同的组合,可以得到,
2.2 基于PIL的亮度、对比度、锐度、色彩变化
from PIL import Image, ImageEnhance
import cv2
import numpy as npdef randomColor(image): # 图像增强# 亮度变化enh_bri = ImageEnhance.Brightness(image)brightness = np.random.randint(8, 13) / 10. # 随机因子image1 = enh_bri.enhance(brightness)# 色度变化enh_col = ImageEnhance.Color(image1)color = np.random.randint(5, 25) / 10. # 随机因子image2 = enh_col.enhance(color)# 对比度变化enh_con = ImageEnhance.Contrast(image2)contrast = np.random.randint(8, 25) / 10. # 随机因子image3 = enh_con.enhance(contrast)# 锐度变化enh_sha = ImageEnhance.Sharpness(image3)sharpness = np.random.randint(5, 51) / 10. # 随机因子image4 = enh_sha.enhance(sharpness)return image4
2.2.1 效果
3. 总结
针对一个图像,我们可以
- 通过翻转扩充:1张变8张
- 之后再进行亮度、对比度、锐度、色彩的变化,进而一张可以变成百张,
这样就可以实现图像数据的扩充。当然这里还没有包括一些裁剪,mask的操作,因为我的任务不同。
这篇关于【图像数据扩充】翻转、亮度、对比度、锐度、色彩等扩充的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!