【图像数据扩充】翻转、亮度、对比度、锐度、色彩等扩充

【图像数据扩充】翻转、亮度、对比度、锐度、色彩等扩充

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。