使用Julia进行图像处理--用于扩充训练集的图像增强(1)

---

JuliaImages将图片表示为二维数组，每个像素都可以是标量或一维数组：

1. 灰度图像将像素表示为标量值，它们称为灰度

2. RGB是三维数组，以三种不同的颜色采用加色法表示每个点

3. 具有透明背景的PNG图像具有RGBA四个通道

“访问”像素

---

在Julia中使用load命令时，它将读取图像并将其编码为RGB，下示代码展示了Julia如何管理单个像素的信息：

using Images

img = load(“pictures/custom_image_name.jpg”)

img[1:1, 1:1, :]

在Julia执行了上示的命令之后，看到以下输出：

julia> img[1:1, 1:1, :]

1×1×1 Array{RGB{N0f8},3} with eltype RGB{Normed{UInt8,8}}:

[:, :, 1] =

RGB{N0f8}(0.353,0.286,0.216)

像素由一个RGB对象组成，其中0.349,0.282,0.212是与三个通道中的每个通道的值相对应的值。

图像以从0到1的浮点值表示：

1. 0代表黑色

2. 1代表白色

浮点数是由1/255缩放的8位整数。例如，白色表示为(1.0,1.0,1.0)，黑色表示为(0,0,0)，灰色表示为(0.5,0.5,0.5)。这并不是通用的非常常见的表示形式，但是由于在神经网络中使用图像之前的预处理步骤中被广泛使用。

将像素转换成数字数组

当在Julia中加载彩色图像时，该图像将存储为RGB4对象的二维数组，这是通过使用channelview函数将RGB4分解为多个通道来实现的：

using Images, ImageView

img = load(“pictures/custom_image_name.jpg”)

img_channel_view = channelview(img)

img_channel_view

可以在Julia REPL中看到类似于以下内容的输出：

julia> img_channel_view

img_channel_view = channelview(img)

3×360×640 reinterpret(N0f8, ::Array{RGB{N0f8},3}):

[:, :, 1] =

0.353 0.353 0.345 0.329 0.302 …

现在，每个像素都由三个不同的值表示，可以使用矩阵运算来更改像素的内容。用大于0.7的值更新所有颜色，使其为0.9：

using Images, ImageView

img = load(“pictures/custom_image_name.jpg”)

img_channel_view = channelview(img)

img_channel_view[img_channel_view .> 0.7] .= 0.9

imshow(img)

这将导致背景颜色发生变化：

将数字数组转换为色彩

为了可视化，需要将数字数组转换为颜色。这是通过colorview功能实现的。使用下面的代码以生成一个随机的三维数组并将其转换为RGB图像：

using Images, ImageView

random_img_array = rand(3, 8, 8); # channel, height, width

img = colorview(RGB, random_img_array);

imshow(img)

重要的是要注意，通道维度在第一位，然后是高度，最后是宽度。例如，如果通道维不是第一个，而是最后一个，则应使用permuteddimsview或permutedims函数将它们按正确的顺序放置：

using Images, ImageView

random_img_array = rand(40, 100, 3); # height, width, channel

img_perm = permuteddimsview(random_img_array, (3, 1, 2))

img = colorview(RGB, Float16.(img_perm))

imshow(img)

完成相同功能的另一种实现方法如下：

using Images, ImageView

random_img_array = rand(40, 100, 3); # height, width, channel

img_perm = permutedims(random_img_array, [3, 1, 2])

img = colorview(RGB, img_perm)

imshow(img)

两种方法的区别在于分配内存的时刻。第一个选项在Float16时分配内存，第二个选项在permutedims时分配。

改变色彩饱和度

---

学习了如何将颜色转换为多维通道，现在，将学习如何在RGB配色方案中更改特定通道的内容，以模拟照片应用程序中的滤镜。

首先加载图像，然后执行以下步骤：

1. 将图像转换为channelview，并将通道设置为最后一个维度：

using Images, ImageView

img = load(“pictures/custom_image_name.jpg”);

img_ch_view = channelview(img); # extract channels

img_ch_view = permuteddimsview(img_ch_view, (2, 3, 1));

reorder channels

2. 将现有图像分为两部分，并对第二部分应用滤镜：

x_coords = Int(size(img, 2) / 2):size(img, 2);

3. 首先将第一个通道的饱和度增加10％，并将其限制为最大值1。这是通过将现有通道值乘以1.1与min函数相结合来完成的。还请记住，第一个通道对应于红色：

img_ch_view[:, x_coords, 1] = min.(img_ch_view[:, x_coords, 1] .* 1.1, 1);

imshow(img)

4. 通过将其饱和度增加20％来更新第二个通道。第二层对应于绿色：

img_ch_view[:, x_coords, 2] = min.(img_ch_view[:, x_coords, 2] .* 1.2, 1);

imshow(img)

5. 更改与蓝色相对应的第三个通道，并将其强度增加40％：

img_ch_view[:, x_coords, 3] = min.(img_ch_view[:, x_coords, 3] .* 1.4, 1);

imshow(img)

色阶是从0.0到1.0，其他值不被接受。

此处并没有分配内存，而是使用视图来更新原始图像的内容。

将图像转化为灰度图像

---

计算机视觉中最受欢迎的活动之一是转换为图像并使用其灰度版本。在Julia中，这是通过使用Gray函数来实现的：

using Images

img = load(“pictures/custom_image_name.jpg”);

img_gray = Gray.(img)

imshow(img_gray)

灰度图像广泛用于经典计算机视觉中，用于诸如特征检测，形态学等任务。使用灰度图像的好处是它们以一个单一的维度表示，因此可以快速进行处理和分析。

与RGB图像的三维尺寸相比，Gray返回的尺寸为单个尺寸。使用以下命令将一个通道的灰度图像转换为一个三通道的灰度RGB图像：

img_gray_rgb = RGB.(Gray.(img))

创建自定义滤镜

---

创建一个颜色飞溅滤镜效果。通过使用表示将要保留的颜色的点或区域来实现颜色飞溅滤镜效果。

从加载图像开始：

using Images, ImageView

load an image and create a grayscale copy

img = load(“pictures/custom_image_name.jpg”);

img_gray = RGB.(Gray.(img))

要点如下：

1. 创建图像的灰度副本，并将其用作最终结果的基础

2. 结合使用Gray和RGB来获得图像的灰度版本的三通道表示

使用channelview函数在三个通道中表示图像对象。更改维度顺序并将通道尺寸放在最后：

get channels representation

img_channel_view = channelview(img);

img_gray_channel_view = channelview(img_gray);

make channel dimension last and crop the required are

img_arr = permuteddimsview(img_channel_view, (2, 3, 1));

img_gray_arr = permuteddimsview(img_gray_channel_view, (2, 3, 1));

使用遮罩来跟踪要保留的像素和颜色。最初，将其设置为保留所有像素：

create a mask with all values being true

img_mask = fill(true, size(img));

在继续更新遮罩之前，需要在原始图像中定义一个点区域。使用该区域提取要保留的颜色。可以将值更改为任何大小，只要它适合原始区域并进行预览即可：

spot are with colors to retain

img_spot_height = 430:460

img_spot_width = 430:460

preview color area (optional)

imshow(img[img_spot_height, img_spot_width])

下一部分将执行以下操作：

1. 在for循环中遍历图像的三个通道，并分别处理每个通道

2. 通过通道裁剪感兴趣的区域

3. 确定该区域的最小和最大颜色

4. 通过检查通道颜色值是否在最小/最大范围内来创建通道蒙版

在图像和通道蒙版上应用逻辑AND操作

上述操作的代码如下：

for channel_id = 1:3

select current channel and crop areas of interest

current_channel = view(img_arr, :, :, channel_id)

current_channel_area = current_channel[img_spot_height,img_spot_width, :]

identify min and max values in a cropped area

channel_min = minimum(current_channel_area)

channel_max = maximum(current_channel_area)

merge existing mask with a channel specific mask

channel_mask = channel_min .< current_channel .< channel_max

img_mask = img_mask .& channel_mask

end

最后一步是应用img_mask并使用灰度合并源图像：

img_masked = img_arr .* img_mask .+ img_gray_arr .* .~(img_mask);

final_image = colorview(RGB, permutedims(img_masked, (3, 1, 2)))

imshow(final_image)

填充图片

---

在某些时候，可能需要为图像添加边框。 ImageFiltering包扩展了padarray函数，并允许以其他方式添加填充。

填充恒定值

在图像周围添加一个具有25像素大小的边框。这是通过组合padarray和Fill函数来完成的：

using Images, ImageView

pad_vertical = 25

pad_horizontal = 25

pad_color = RGB4{N0f8}(0.5,0.5,0.) # border color

img = load(“pictures/custom_image_name.jpg”);

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，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。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

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，都欢迎扫码加入我们的的圈子（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！

](https://img-blog.csdnimg.cn/e78afb3dcb8e4da3bae5b6ffb9c07ec7.png)

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

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，都欢迎扫码加入我们的的圈子（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！
[外链图片转存中…(img-gtue4qce-1712901174780)]