数字图像处理——广义图像增强

文章目录

数字图像处理——广义图像增强
一、广义图像增强？
二、使用步骤
- 1.引入库
- 2.随即改变亮度，对比度，颜色(饱和度),清晰度
- 3.等比例随机裁剪，随机翻转(镜像)，随机旋转
- 4.随机加高斯噪声
- 最后测试各种图像数据増广效果

一、广义图像增强？

图像增强：有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。为增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合。

这里称广义图像增强是除了上述考虑之外，在深度学习中，通过对图像各种处理，增大数据量，达到数据增多，图像增强的目的

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import random
from PIL import Image, ImageEnhance
import cv2
import matplotlib.pyplot as plt
%matplotlib inline

2.随即改变亮度，对比度，颜色(饱和度),清晰度

# 随机改变亮度
def random_brightness(img, lower=0.5, upper=1.5):e = np.random.uniform(lower, upper)return ImageEnhance.Brightness(img).enhance(e)# 随机改变对比度
def random_contrast(img, lower=0.5, upper=1.5):e = np.random.uniform(lower, upper)return ImageEnhance.Contrast(img).enhance(e)# 随机改变颜色(饱和度)
def random_color(img, lower=0.5, upper=1.5):e = np.random.uniform(lower, upper)return ImageEnhance.Color(img).enhance(e)# 随机改变清晰度
def random_sharpness(img, lower=0.5, upper=1.5):e = np.random.uniform(lower, upper)return ImageEnhance.Sharpness(img).enhance(e)

3.等比例随机裁剪，随机翻转(镜像)，随机旋转

# 等比例随机裁剪
def random_crop(img, max_ratio=1.5):#if(random.random() > 0.5):#    return imgimg = np.asarray(img)h, w, _ = img.shapem = random.uniform(1, max_ratio)n = random.uniform(1, max_ratio)x1 = w * (1 - 1 / m) / 2y1 = h * (1 - 1 / n) / 2x2 = x1 + w * 1 / my2 = y1 + h * 1 / nimg = Image.fromarray(img)img = img.crop([x1, y1, x2, y2])type = [Image.NEAREST,Image.BILINEAR,Image.BICUBIC,Image.ANTIALIAS]img = img.resize((w, h),type[random.randint(0,3)])return img# 随机翻转
def random_flip(img, thresh=0.5):img = np.asarray(img)if random.random() > thresh:img = img[:, ::-1, :]if random.random() > thresh:img = img[::-1 , :, :]img = Image.fromarray(img)return img# 随机旋转图像
def random_rotate(img, thresh=0.5):# 任意角度旋转angle = np.random.randint(0, 360)img = img.rotate(angle)'''# 0, 90, 270, 360度旋转img = np.asarray(img)if random.random() > thresh:img = img[:, ::-1, :]if random.random() > thresh:img = img[::-1 , :, :]img = Image.fromarray(img)'''return img

4.随机加高斯噪声

def random_noise(img, max_sigma = 10):img = np.asarray(img)sigma = np.random.uniform(0, max_sigma)noise = np.round(np.random.randn(img.shape[0], img.shape[1], 3) * sigma).astype('uint8')img = img + noiseimg[img > 255] = 255img[img < 0] = 0img = Image.fromarray(img)return img

最后测试各种图像数据増广效果

#统一使用各种图像増广方法
def image_augment(img):ops = [random_brightness, random_contrast, random_color, random_sharpness, random_crop, \random_flip, random_rotate, random_noise]np.random.shuffle(ops)img = Image.fromarray(img)img = ops[0](img)img = ops[1](img)img = ops[2](img)img = ops[3](img)img = ops[4](img)img = ops[5](img)img = ops[6](img)img = ops[7](img)img = np.asarray(img)return img#逐一测试各种图像数据増广效果
ops = [random_brightness, random_contrast, random_color, random_sharpness, random_crop, \random_flip, random_rotate, random_noise]
ops_title = ['random_brightness', 'random_contrast', 'random_color', 'random_sharpness', 'random_crop', \'random_flip', 'random_rotate', 'random_noise']
plt.figure(figsize=(20,25),dpi=80)
for i in range(len(ops)):img = cv2.imread("work/雨水.jpg")img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)demo_num = 4#print(i + 1, 1, i * (demo_num + 1) + 1)plt.subplot(len(ops), demo_num + 1, i * (demo_num + 1) + 1)plt.imshow(img)plt.title('original')plt.xticks([])plt.yticks([])for j in range(demo_num):#print(i + 1, j + 2, i * (demo_num + 1) + j + 2)plt.subplot(len(ops), demo_num + 1, i * (demo_num + 1) + j + 2)img = Image.fromarray(img)img = ops[i](img)img = np.asarray(img)plt.imshow(img)plt.title(ops_title[i])plt.xticks([])plt.yticks([])

数字图像处理——广义图像增强相关推荐

冈萨雷斯数字图像处理——彩色图像增强3实例
冈萨雷斯数字图像处理--彩色图像增强3实例实例一:基于直方图均衡化的彩色图像增强要处理的图片:fruit.jpg example1.m: clc; RGB=im ...
数字图像处理--3.图像增强
一.图像增强的点运算图像增强:采用一系列技术,改善图像的视觉效果,或者将图像转换成一种更适合于人或者机器进行分析和处理的形式. 图像增强方法:1.空间域增强:直接对图像各像素进行处理:2.对图像进行 ...
数字图像处理之图像增强
1.图像增强基本概念图像增强是通过某种技术有选择地突出对某一具体应用有用的信息,削弱或抑制一些无用的信息.图象增强按增强处理所在空间不同分为空域增强方法和频域增强方法. 空域增强 : 直接在图像所 ...
数字图像处理（图像增强）——拉普拉斯算子
二阶微分与微积分中定义的微分略有不同,数字图像中处理的是离散的值,因此对于一维函数的一阶微分的基本定义是差值: ∂f∂x=f(x+1)−f(x)\frac{\partial f}{\partial ...
MatLab 数字图像处理实验图像增强
实验内容 (1)对曝光不足的图像采用灰度线性变换对图像每一个像素灰度做线性拉伸. close all clear all I = im2double(imread('D:\figure51.jpg') ...
数字图像处理系列(二)---空间域图像增强-点运算
chapter2 空间域图像增强(点增强) 1.图像增强的基本概念在不考虑图像降质的情况下,通过经验和试探的方法,把图像感兴趣的部分进行选择性突出,而把不在意的部分进行压制,从而得到我们想要的信息. ...
数字图像处理知识点总结（中）图像增强复习
数字图像处理中图像增强空域处理变换增强几何变换缩放变换剪切变换旋转变换平移变换镜像变换投影变换几何变换的反变换复合变换几何失真校正算术运算加减乘除逻辑运算与 ...
数字图像处理-图像基础-复习总结
文章目录数字图像处理复习总结数字图像基础数字图像基础概念采样和量化非均匀采样与量化数字图像常见失真类型数字图像处理基础数字图像处理基本概念数字图像处理研究内容数字图像处理关键阶段 ...
数字图像处理python实现-形态学处理
内容简介腐蚀膨胀开闭运算轮廓提取击中与击不中骨架提取细化骨架提取细化裁剪距离变换骨架提取 Hilditch算法骨架提取首先明确一点形态学操作都是针对与二值图像,在灰度图像的形态学处 ...
数字图像处理——第三章空间域图像增强（空间滤波）
文章目录 1. 空间滤波基础 2. 线性滤波器 2.1 平滑空间滤波器 2.2 锐化空间滤波器 2.2.1 基于一阶微分的图像增强--梯度法 2.2.2 基于二阶微分的图像增强--拉普拉斯算子 3. ...

数字图像处理——广义图像增强

数字图像处理——广义图像增强

文章目录

一、广义图像增强？

二、使用步骤

1.引入库

2.随即改变亮度，对比度，颜色(饱和度),清晰度

3.等比例随机裁剪，随机翻转(镜像)，随机旋转

4.随机加高斯噪声

最后测试各种图像数据増广效果

数字图像处理——广义图像增强相关推荐

最新文章

热门文章