一、原图片：

二、数据增强代码：

导包：

import random
import cv2
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

读数据：

img = Image.open("5-8图库/5-8.png")
img = np.array(img)# 展示图片
plt.imshow(img)
plt.show()

图像水平翻转：

def horizon_flip(img):'''图像水平翻转:param img::return:水平翻转后的图像'''return img[:, ::-1]# 展示图片
plt.imshow(horizon_flip(img))
plt.show()

图像垂直翻转：

def vertical_flip(img):'''图像垂直翻转:param img::return:'''return img[::-1]

在一定角度范围内，图像随机旋转：

def rotate(img, limit_up=90, limit_down=-90):'''在一定角度范围内，图像随机旋转:param img::param limit_up:旋转角度上限:param limit_down: 旋转角度下限:return: 旋转后的图像'''# 旋转矩阵rows, cols = img.shape[:2]center_coordinate = (int(cols / 2), int(rows / 2))angle = random.uniform(limit_down, limit_up)M = cv2.getRotationMatrix2D(center_coordinate, angle, 1)# 仿射变换out_size = (cols, rows)rotate_img = cv2.warpAffine(img, M, out_size, borderMode=cv2.BORDER_REPLICATE)return rotate_img

上下左右随机平移：

def shift(img, distance_down=-500, distance_up=500):'''利用仿射变换实现图像平移，平移距离∈[down, up]:param img: 原图:param distance_down:移动距离下限:param distance_up: 移动距离上限:return: 平移后的图像'''rows, cols = img.shape[:2]y_shift = random.uniform(distance_down, distance_up)x_shift = random.uniform(distance_down, distance_up)# 生成平移矩阵M = np.float32([[1, 0, x_shift], [0, 1, y_shift]])# 平移img_shift = cv2.warpAffine(img, M, (cols, rows), borderMode=cv2.BORDER_REPLICATE)return img_shift

固定尺寸随机进行裁剪：

def crop(img, crop_x=600, crop_y=600):'''读取部分图像，进行裁剪:param img::param crop_x:裁剪x尺寸:param crop_y:裁剪y尺寸:return:'''rows, cols = img.shape[:2]# 偏移像素点x_offset = random.randint(0, cols - crop_x)y_offset = random.randint(0, rows - crop_y)# 读取部分图像img_part = img[y_offset:(y_offset+crop_y), x_offset:(x_offset+crop_x)]return img_part

随机调整图像亮度、对比度调整：

def lighting_adjust(img, k_down=0, k_up=5, b_down=0, b_up=3):'''图像亮度、对比度调整:param img::param k_down:对比度系数下限:param k_up:对比度系数上限:param b_down:亮度增值上限:param b_up:亮度增值下限:return:调整后的图像'''# 对比度调整系数slope = random.uniform(k_down, k_up)# 亮度调整系数bias = random.uniform(b_down, b_up)# 图像亮度和对比度调整img = img * slope + bias# 灰度值截断，防止超出255img = np.clip(img, 0, 255)return img.astype(np.uint8)

图像加高斯噪声：

def Gaussian_noise(img, mean=0, std=0.05):'''图像加高斯噪声:param img: 原图:param mean: 均值:param std: 标准差:return:'''image = np.array(img/255, dtype=float)noise = np.random.normal(mean, std ** 0.5, image.shape)out = image + noiseif out.min() < 0:low_clip = -1.else:low_clip = 0.out = np.clip(out, low_clip, 1.0)out = np.uint8(out*255)return out

图像归一化：

def normalization(img, mean = [0.485, 0.456, 0.406], std= [0.229, 0.224, 0.225]):'''图像归一化,图像像素点从(0,255)->（0,1）:param img::param mean:所有样本图像均值 默认数值来自imagenet统计:param std: 所有样本图像标准差:return:'''img = img.astype('f')img -= meanimg /= stdimg = np.uint8(img)return img

案例来源与网络，图像时自己生成的，收藏下来以后用。

图片数据增强的方法——收藏相关推荐

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 ...
python 图片数据增强_数据增强之批量修改图像尺寸大小（附Python实现）
2019 is a new start! 很久没有更啦~希望不要懒惰.(虽然不努力真滴很舒服诶) 今天就来说一下之前在处理图片时候用到的一些知识. 数据增强在接触Alexnet网络结构模型的时候,第 ...
LabelImg，LabelMe工具标注后的图片数据增强
向AI转型的程序员都关注了这个号???????????? 人工智能大数据与深度学习公众号:datayx 这是一个目标检测和目标分割增强的小工具,需要您事先标记一些图片,然后变化增强图片(支持Lab ...
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深度学习-Data Augmentation：使用Augly库进行图片数据增强
Augly AugLy 是一个数据增强库,可以帮助评估和提高模型的稳健性.该库支持四种模式(音频.视频.图像和文本),并且包含 100 多种执行数据增强的方法.如果正在从事使用音频.视频.图像或文本数 ...
深度学习之批量图片数据增强
在之前的文章中,分别对数据增强的库函数进行了介绍,本文将结合实际应用进行批量图片的数据增强. 背景:项目采集的是灰度图,原数据只有不到20张图片,因此,选择数据增强的方法,通过不同变换方法的组合,实现 ...
DL之AlexNet：利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型)
DL之AlexNet:利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 目录利用卷积神经网络类AlexNet实现猫狗分类识别(图片数据增强→保存h5模型) 设计思路处 ...
Dataset之图片数据增强：设计自动生成汽车车牌图片算法(cv2+PIL)根据随机指定七个字符生成逼真车牌图片数据集(自然场景下+各种噪声效果)可视化
Dataset之图片数据增强:设计自动生成汽车车牌图片算法(cv2+PIL)根据随机指定七个字符生成逼真车牌图片数据集(自然场景下+各种噪声效果)可视化导读设计自动生成汽车车牌图片算法,基于cv2 ...
Dataset之图片数据增强：基于TF实现图片数据增强(原始的训练图片reshaped_image→数据增强→distorted_image(训练时直接使用）)
Dataset之图片数据增强:基于TF实现图片数据增强(原始的训练图片reshaped_image→数据增强→distorted_image(训练时直接使用)) 目录数据增强步骤数据增强实现代码 ...

图片数据增强的方法——收藏

一、原图片：

二、数据增强代码：

导包：

读数据：

图像水平翻转：

图像垂直翻转：

在一定角度范围内，图像随机旋转：

上下左右随机平移：

固定尺寸随机进行裁剪：

随机调整图像亮度、对比度调整：

图像加高斯噪声：

图像归一化：

图片数据增强的方法——收藏相关推荐

最新文章

热门文章