基于OpenCV做图像数据增强(平移、镜像、缩放、旋转、仿射)

前言：

基于OpenCV的基本使用，对图像的数据量进行数据增强，使得框架对神经网络进行训练，提高模型的鲁棒性以及准确性。

原图：

1、平移

平移通过自定义平移矩阵以及函数warpAffine实现：
代码示范：

import numpy as np
import cv2img=cv2.imread("lena.png")
#平移矩阵[[1,0,-100],[0,1,-12]]
M=np.array([[1,0,-100],[0,1,-12]],dtype=np.float32)
img_change=cv2.warpAffine(img,M,(300,300))
cv2.imshow("test",img_change)
cv2.waitKey(0)

效果图：

2、镜像

翻转通过函数flip实现：
函数说明：

cv2.flip(src, flipCode, dst) → dst

参数说明：
src – 输入的图像
dst – 输出的图像
flipCode – 翻转模式：①flipCode==0垂直翻转（沿X轴翻转）；②flipCode>0水平翻转（沿Y轴翻转）；③flipCode<0水平垂直翻转（先沿X轴翻转，再沿Y轴翻转，等价于旋转180°）

代码示范：

import cv2img=cv2.imread("lena.png")
cv2.imshow("original",img)#水平镜像
h_flip=cv2.flip(img,1)
cv2.imshow("Flipped Horizontally",h_flip)#垂直镜像
v_flip=cv2.flip(img,0)
cv2.imshow("Flipped Vertically",v_flip)#水平垂直镜像
hv_flip=cv2.flip(img,-1)
cv2.imshow("Flipped Horizontally & Vertically",hv_flip)cv2.waitKey(0)

3、缩放

缩放通过**cv2.resize()**实现

函数说明：

cv2.resize(src,dsize,dst=None,fx=None,fy=None,interpolation=None)

参数说明：

scr：原图

dsize：输出图像尺寸

fx：沿水平轴的比例因子

fy：沿垂直轴的比例因子

interpolation：插值方法

代码示范：

import cv2img=cv2.imread("lena.png")
cv2.imshow("original",img)height,width=img.shape[:2]
res=cv2.resize(img,(2*width,2*height))
cv2.imshow("large",res)cv2.waitKey(0)

效果图：

3、旋转

OpenCV中对图像的旋转主要是先通过getRotationMatrix2D函数得到图像的旋转矩阵，然后再通过仿射变换函数warpAffine得到旋转后的图像。

函数说明:

cv2.getRotationMatrix2D(center, angle, scale)
cv2.warpAffine(src, M, dsize,dst=None,flags=None,borderMode=None,borderValue=None)

参数说明：

getRotationMatrix2D:
center：表示旋转的中心点
angle：表示旋转的角度degrees
scale：图像缩放因子

warpAffine:
src：输入的图像
M：2 X 3 的变换矩阵.
dsize：输出的图像的size大小
dst：输出的图像
flags：输出图像的插值方法
borderMode：图像边界的处理方式
borderValue：当图像边界处理方式为BORDER_CONSTANT时的填充值

代码示范：


import cv2img=cv2.imread("lena.png")
cv2.imshow("original",img)rows,cols=img.shape[:2]
#90度旋转
M=cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
dst=cv2.warpAffine(img,M,(cols,rows))
cv2.imshow("90",dst)
cv2.waitKey(0)

效果图：

4、仿射

OpenCV中对图像的旋转主要是先通过getAffineTransform函数得到图像的变换矩阵，然后再通过仿射变换函数warpAffine得到变换后的图像。
函数说明：

cv2.getAffineTransform(scr,dst)

代码示范：

import numpy as np
import cv2#对图像进行变换（三点得到一个变换矩阵）
# 我们知道三点确定一个平面，我们也可以通过确定三个点的关系来得到转换矩阵
# 然后再通过warpAffine来进行变换
img=cv2.imread("lena.png")
cv2.imshow("original",img)rows,cols=img.shape[:2]point1=np.float32([[50,50],[300a,50],[50,200]])
point2=np.float32([[10,100],[300,50],[100,250]])M=cv2.getAffineTransform(point1,point2)
dst=cv2.warpAffine(img,M,(cols,rows),borderValue=(255,255,255))cv2.imshow("1",dst)
cv2.waitKey(0)

效果图：