2024年图像数据增强算法汇总(Python)_图像融合数据增强(1)

2301_82242426

已于 2024-05-01 17:04:53 修改

阅读量1.8k

点赞数 7

分类专栏：程序员文章标签：算法 python opencv

于 2024-05-01 17:04:51 首次发布

本文链接：https://blog.csdn.net/2301_82242426/article/details/138375897

版权

程序员专栏收录该内容

131 篇文章

订阅专栏

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
image = cv2.imread('planck.jpg')

# 显示原始图片和增强后的图片
plt.figure(figsize=(10, 5))

plt.subplot(2, 3, 1)
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('Original Image')

在这里插入图片描述

真实场景中我们不可能仅从一个角度拍摄目标，这样收集到的数据集会造成目标识别模型过拟合，也就是只能从拍摄的角度去识别该物体，目标换个形态或者是拍摄角度更换，模型就识别不出来了。我们可以通过图片处理技术进行一定的泛化操作：

1.随机旋转和翻转

cv2.getRotationMatrix2D 是 OpenCV 中的一个函数，用于生成一个二维旋转矩阵，可以将图像围绕指定点进行旋转。

它接受三个参数：

center：旋转的中心点，一个元组 (x, y) 表示图像的中心坐标。
angle：旋转的角度，以度为单位，正值表示逆时针旋转。
scale：缩放因子，可选参数，默认为 1。

该函数会返回一个形如：

| cos(angle)   -sin(angle)   center_x * (1 - cos(angle)) - center_y * sin(angle) |
| sin(angle)    cos(angle)   center_x * sin(angle) + center_y * (1 - cos(angle)) |

的旋转矩阵。通常情况下，我们会将旋转矩阵传递给 cv2.warpAffine 函数，来实际地应用旋转到图像上。这样可以得到一个围绕指定点旋转了一定角度的图像。

# 随机旋转
angle = np.random.randint(0, 360)
rows, cols = image.shape[:2]
M = cv2.getRotationMatrix2D((cols/2, rows/2), angle, 1)
rotated_image = cv2.warpAffine(image, M, (cols, rows))

在这里插入图片描述

cv2.flip() 函数用于翻转图片，它接受两个参数，一个是要翻转的图片，另一个是翻转的方向：

flip_direction

参数可以取以下三个值：

0：垂直翻转（沿x轴翻转）
1：水平翻转（沿y轴翻转）
-1：同时在水平和垂直方向翻转

# 随机翻转
flip_direction = np.random.randint(-1, 2)  # 随机选择水平、垂直或不翻转
flipped_image = cv2.flip(image, flip_direction)

在这里插入图片描述

2.随机裁剪

随机裁剪可以根据设定randint来随机生成裁剪的起始坐标，image.shape[1] 表示图像的宽度，image.shape[0] 表示图像的高度。

通过以下代码：

# 随机裁剪
crop_x = np.random.randint(0, image.shape[1] - 100)
crop_y = np.random.randint(0, image.shape[0] - 100)
cropped_image = image[crop_y:crop_y+100, crop_x:crop_x+100]

np.random.randint(0, image.shape[1] - 100) 会在图像的宽度范围内随机生成一个起始点横坐标，保证裁剪后剩余的宽度至少为 100 像素。同理，np.random.randint(0, image.shape[0] - 100) 会在图像的高度范围内随机生成一个起始点纵坐标，保证裁剪后剩余的高度至少为 100 像素。

image[crop_y:crop_y+100, crop_x:crop_x+100] 表示在图像上从 crop_y 到 crop_y+100 行，从 crop_x 到 crop_x+100 列的区域，即裁剪了一个 100x100 大小的区域。

在这里插入图片描述

3.随机缩放

np.random.uniform 函数，可以在指定范围内随机生成一个浮点数作为缩放因子 scale_factor。

cv2.resize 函数可以用来对图像进行缩放，其参数：

image 是要被缩放的原始图像。
None 表示输出图像的大小由后面的缩放因子决定。
fx=scale_factor, fy=scale_factor 表示在水平和垂直方向上的缩放比例，即将图像

# 随机缩放
scale_factor = np.random.uniform(0.7, 1.3)
scaled_image = cv2.resize(image, None, fx=scale_factor, fy=scale_factor)

np.random.uniform(0.7, 1.3) 会在 0.7 到 1.3 之间随机生成一个浮点数，这个数就是缩放因子。

在这里插入图片描述

和原图像相比图像的刻度会有明显变化：

在这里插入图片描述

4.添加噪声

4.1高斯噪声

一般来说噪声是模拟实际数据采集情况，比如随机环境因素影响，大雾、水雾、大雨情况导致的摄像头传感器的不完美性、光照变化等。高斯噪声是一种常见的图像噪声类型，在图像数据增强中，通过添加高斯噪声，可以使模型更具鲁棒性，提高其对噪声环境的适应能力。

# 生成高斯噪声
mean = 0
var = 0.5
sigma = var \*\* 0.5
gaussian = np.random.normal(mean, sigma, image.shape).astype('uint8')
noisy_image = cv2.add(image, gaussian)

# 显示带噪声的图像
cv2.imshow('Noisy Image', noisy_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

4.2椒盐噪声

椒盐噪声是一种常见的图像噪声类型，它主要体现为图像中出现了随机的黑白像素点，这些像素点模拟了背景中的颗粒物或损坏的像素。

def salt\_pepper\_noise(image, salt_prob, pepper_prob):
    noisy_image = np.copy(image)
    total_pixels = image.shape[0] \* image.shape[1] #计算图像的总像素数
    
    num_salt = int(total_pixels \* salt_prob) #通过将总像素数与指定的椒盐噪声比例相乘，得到要添加的椒盐噪声的数量。
    salt_coords = [np.random.randint(0, i-1, num_salt) for i in image.shape]
    noisy_image[salt_coords[0], salt_coords[1]] = 255

    num_pepper = int(total_pixels \* pepper_prob)
    pepper_coords = [np.random.randint(0, i-1, num_pepper) for i in image.shape]
    noisy_image[pepper_coords[0], pepper_coords[1]] = 0

    return noisy_image

在这里插入图片描述

5.颜色扭曲

对图像进行随机的色彩变换，需要将图像从BGR颜色空间转换为HSV颜色空间，再对Hue通道进行扭曲，然后从HSV颜色空间转换回BGR颜色空间就可以完成：

# 读取图片
image = cv2.imread('clickhouse-logo.jpg')
# 转换为HSV颜色空间
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 扭曲Hue通道
hsv_image[:,:,0] = (hsv_image[:,:,0] + 30) % 180  # 在Hue通道上增加30

# 转回BGR颜色空间
result_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR)

# 显示原始图像和扭曲后的图像
### 一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。



![](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)



### 二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。



![](https://img-blog.csdnimg.cn/img_convert/8c4513c1a906b72cbf93031e6781512b.png)



### 三、入门学习视频



我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。



![](https://img-blog.csdnimg.cn/afc935d834c5452090670f48eda180e0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56iL5bqP5aqb56eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**