Python PIL库处理图片常用操作，图像识别数据增强的方法

在博客AlexNet原理及tensorflow实现训练神经网络的时候，做了数据增强，对图片的处理采用的是PIL(Python Image Library), PIL是Python常用的图像处理库.

下面对PIL中常用到的操作进行整理：
1. 改变图片的大小

from PIL import Image, ImageFont, ImageDrawdef image_resize(image, save, size=(100, 100)):""":param image:  原图片 :param save:   保存地址:param size:    大小:return: """image = Image.open(image)   # 读取图片image.convert("RGB")re_sized = image.resize(size, Image.BILINEAR)  # 双线性法re_sized.save(save)   # 保存图片return re_sized

2. 对图片进行旋转：

from PIL import Image, ImageFont, ImageDraw
import matplotlib.pyplot as pltdef image_rotate(image_path, save_path, angle):"""对图像进行一定角度的旋转:param image_path:  图像路径:param save_path:   保存路径:param angle:       旋转角度:return:"""image = Image.open(image_path)image_rotated = image.rotate(angle, Image.BICUBIC)image_rotated.save(save_path)return image_rotated

3. 对图片进行左右反转：

from PIL import Image, ImageFont, ImageDraw
import matplotlib.pyplot as pltdef image_flip(image_path, save_path):"""图图象进行左右反转:param image_path::param save_path::return:"""image = Image.open(image_path)image_transpose = image.transpose(Image.FLIP_LEFT_RIGHT)   # Image.FLIP_TOP_BOTTOM 上下反转image_transpose.save(save_path)return image_transpose

4. 对图像进行裁剪：

from PIL import Image, ImageFont, ImageDraw
import matplotlib.pyplot as pltdef image_crop(image_path, save_path, crop_region):"""对图像进行裁剪:param image_path::param save_path::param crop_region:  裁剪的区域  crop_window=(x_min, y_min, x_max, y_max):return:"""image = Image.open(image_path)image_crop = image.crop(crop_region)  # (width_min, height_min, width_max, height_max) 图像的原点是在左上角image_crop.save(save_path)return image_crop

5. 在图片上添加文字

from PIL import Image, ImageFont, ImageDraw
import matplotlib.pyplot as pltdef image_title(image_path, save_path, font_pos, font_size, text):"""对图像添加文字:param image_path::param save_path::param font_pos:   文字位置(x, y):param font_size:  文字大小:param text:        文字内容:return:"""image = Image.open(image_path)font = ImageFont.truetype(font=r"C:\Windows\Fonts\Times New Roman\times.ttf", size=font_size)draw = ImageDraw.Draw(image)draw.text(xy=font_pos, text=text, fill=(255, 0, 0), font=font)image.save(save_path)return image

除以上之外，数据增强的方法还有对图像颜色进行抖动，和对图像进行高斯噪声处理

1. 颜色抖动：

from PIL import Image, ImageFont, ImageDraw, ImageEnhance
import matplotlib.pyplot as plt
import numpy as npdef image_color(image_path, save_path):"""对图像进行颜色抖动:param image_path::param save_path::return:"""image = Image.open(image_path)print(type(image))random_factor = np.random.randint(low=0, high=31) / 10.0        # 随机的扰动因子color_image = ImageEnhance.Color(image).enhance(random_factor)    # 调整图像的饱和度random_factor = np.random.randint(low=10, high=21) / 10.0bright_image = ImageEnhance.Brightness(color_image).enhance(random_factor)   # 调整图像的亮度random_factor = np.random.randint(low=10, high=21) / 10.0contrast_image = ImageEnhance.Contrast(bright_image).enhance(random_factor)  # 调整图像的对比度random_factor = np.random.randint(low=0, high=31) / 10.0sharp_image = ImageEnhance.Sharpness(contrast_image).enhance(random_factor)  # 调整图像的锐度sharp_image.save(save_path)return sharp_image

2.高斯噪声处理：

from PIL import Image, ImageFont, ImageDraw, ImageEnhance
import matplotlib.pyplot as plt
import numpy as np
import randomdef image_gauss(image_path, save_path, mean, stddev):"""对图像进行颜色抖动:param image_path::param save_path::return:"""def gaussNoisy(pixel_array, mean, stddev):"""对图像的单个通道进行高斯噪声处理:param pixel_array::param mean:  均值:param stddev:  方差:return:"""for x in pixel_array:x += random.gauss(mean, stddev)return pixel_array# 对图像进行数据转换image = Image.open(image_path)image.convert("RGB")img = np.asarray(image)   # 将PIL中的数据格式转化为arrayimg.flags.writeable = True    # 将数组改为读写模式width, height = img.shape[: 2]img_r = img[:, :, 0].flatten()img_g = img[:, :, 1].flatten()img_b = img[:, :, 2].flatten()img_r_new = gaussNoisy(pixel_array=img_r, mean=mean, stddev=stddev)img_g_new = gaussNoisy(pixel_array=img_g, mean=mean, stddev=stddev)img_b_new = gaussNoisy(pixel_array=img_b, mean=mean, stddev=stddev)img[:, :, 0] = img_r_new.reshape([width, height])img[:, :, 1] = img_g_new.reshape([width, height])img[:, :, 2] = img_b_new.reshape([width, height])image_new = Image.fromarray(np.uint8(img))    # 将array中的数据格式转化为PIL中的数据格式image_new.save(save_path)    return image_new

Python PIL库处理图片常用操作，图像识别数据增强的方法相关推荐

python excel库pip install_超全整理｜Python 操作 Excel 库 xlwings 常用操作详解！
原标题:超全整理|Python 操作 Excel 库 xlwings 常用操作详解! 来源:早起Python 作者:陈熹.刘早起大家好,我是早起. 在之前的文章中我们曾详细的讲解了如何使用openp ...
pillow是python的图像处理标准库_详解Python图像处理库Pillow常用使用方法
pil(python image library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库了. 其官方主页为:pil. pil ...
python123九宫格输入_使用python PIL库实现简单验证码的去噪方法步骤
字符型图片验证码识别完整过程及Python实现的博主,我的大部分知识点都是从他那里学来的. 想要识别验证码,收集足够多的样本后,首先要做的就是对验证码原始图片进行处理,对验证码识别分类之前,一般包括: ...
pillow属于python标准库吗_详解Python图像处理库Pillow常用使用方法
PIL(Python Image Library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库了. 其官方主页为:PIL. PIL ...
python数据处理常用函数_Python中常用操作字符串的函数与方法总结
Python中常用操作字符串的函数与方法总结这篇文章主要介绍了Python中常用操作字符串的函数与方法总结,包括字符串的格式化输出与拼接等基础知识,需要的朋友可以参考下例如这样一个字符串 Pyth ...
python实现目标检测voc格式标签数据增强
文章目录前言一.显示图片(可关闭) 二.创建图像变换的类 1.增强数据代码 2.图像加噪声 3.调整图像亮度 4.添加黑色像素块 5.旋转图像 6.图像裁剪 7.平移图像 8.图像镜像 9.图像随 ...
Py之pdfkit：python的库之pdfkit简介、安装、使用方法详细攻略
Py之pdfkit:python的库之pdfkit简介.安装.使用方法详细攻略目录 pdfkit简介 pdfkit安装 pdfkit使用方法 pdfkit简介 pdfkit,把HTML+CSS格式的 ...
python简介pdf_Py之pdfkit：python的库之pdfkit简介、安装、使用方法详细攻略
Py之pdfkit:python的库之pdfkit简介.安装.使用方法详细攻略目录 pdfkit简介 pdfkit,把HTML+CSS格式的文件转换成PDF格式文档的一种工具.它就是html转成pd ...
目标检测：python实现多种图像数据增强的方法（光照，对比度，遮挡，模糊）
图像数据增强的内容(可根据需要自定义选择): 1.直方图均衡化 2.clahe自适应对比度直方图均衡化 3.白平衡 4.亮度增强 5.亮度,饱和度,对比度增强 6.去除图像上的高光部分 7.自适应亮度 ...

Python PIL库处理图片常用操作，图像识别数据增强的方法

Python PIL库处理图片常用操作，图像识别数据增强的方法相关推荐

最新文章

热门文章