粉丝投稿 | OpenCV数据增强与LabelImg标注

粉丝投稿 | OpenCV数据增强与LabelImg标注

爱分享的 OpenVINO 中文社区

内 容 来 源 | 李国栋 赛博联物
排 版 | 卢书晴

OpenCV数据增强与LabelImg标注

一、概念

在深度学习过程中，往往假定训练样本每个类别的数量是基本相同的，但在实际生产过程中，对产品表面或内部质量的检测是否有瑕疵，想对每种类别的瑕疵得到这种等数量的样本是非常困难的，就算能收集到，也要花费大量的人力物力。因而才有迁移学习的方法，而且训练样本数量不平衡，会导致训练出来的模型在测试集上的泛化能力受到很大影响。

为了实现训练样本数量平衡，通常使用数据增强技术来增加样本数量。为了能够生成OpenVINO 能够识别和转化的 IR 文件，进行边缘推理，本文采用 Tensorflow Object Detection API 进行迁移学习，直接利用其在COCO 训练集上训练好的模型ssd_inception_v2_coco和faster_cnn_inception_v2_coco，对工业上的待检零件进行训练和学习。

本文中实际得到的零件图片约有500张，有瑕疵和合格的比例不等，而且每张图片约11MB大小。因此为了增加训练效果，减小数据存储空间，一般会对数据进行增强，增加样本数量，解决样本不平衡的问题。

因此，本文对拿到的图片进行缩放、旋转和镜像处理，然后各自选取等量的图片进行标注。其中数据增强采用的是 python 和 opencv 编码实现，在处理的过程中遇到两个坑，本文旨在阐述填平这两个坑的过程，其次，描述一下用 LabelImg 进行图片标注时，遇到的问题，与大家共享。

二、主要内容

文中用到的零件名称为 V8，目标是检测其内部缺陷，采用X射线探伤数字成像技术生成的图片。每张图片大小约11MB，尺寸为2560×1536的 .bmp文件。所以首先对图片进行压缩和缩放，生成448×448尺寸的 .jpg 图片，压缩后大小约为30kB，然后对选取的图片分别进行水平镜像、垂直镜像、旋转90度、180度和270度处理。V8 的零件图和检测生成的图像分别如下图所示：

因为 lattepanda 板上资源有限，数据增强和标注过程均是在PC机上完成。windows10 操作系统，python3.7.1，opencv4.2，通过在VSCode 环境下编写图像处理程序并进行调试，得到相应的处理图片。

1. 图片压缩和缩放

图片处理的机制是，先读入图片，然后进行压缩，再转存到所需要的大小和格式。采用 opencv 的 cv2 库进行处理，读取单张图片，一般是使用cv2.imread 函数，所用代码如下：

导入需要的库，定义缩放压缩处理函数

其次编写调用函数

当用 cv.imread 读取单张图片时，一切正常。而实际中要处理的图片很多，按不同的分类放在不同的文件夹下，我们希望的是批量处理，当采用下述代码时，程序不报错，但结果不对，比较隐晦。

通过断点跟踪，发现 cv.imread 循环读取文件夹内文件时，返回的是空对象，无法进行后续处理。在查阅一些资料之后，发现批量读取处理图片cv.imread 无法胜任，于是改用 cv.imdecode ，更改后代码如下，成功实现了大图的缩放。

2、图片的旋转和镜像

图片压缩到指定大小后，才到了数据增强的处理，本文为了保证图片处理后不变大或偏斜，只进行了水平镜像、垂直镜像，旋转90度、180度和270度五种方式。

依然采用的是批量处理，循环读取，本以为会顺利实现，然而结果却出人意料，还是用的cv.imdecode ，却没有出现想要的效果，于是再次断点跟踪，发现返回的还是空对象，why?

事实证明，只是单纯的模仿和使用，是解决不好根本问题的。原来 cv.imdecode 调用的第二个参数 flag 很有讲究，整理如下：

代码还是沿用前面的，flag取的是-1，结果却不正确，这是因为图像在压缩前后造成的差异，压缩前是bmp格式的彩色图，压缩后是jpg格式的灰度图，深度和通道都发生了改变。当取0和除1外的正数时，都可以正常的读入图像，进行镜像和旋转处理。代码如下：

3. LabelImg 图片标注

此部分内容主要参考《深度学习图像识别技术》的第三章3.4节， LabelImg 是一个 Python 写的开源免费的图像标注工具，其标注结果会以 PASCAL VOC 格式存成 XML 文件，也支持YOLO 格式。

上图是打开 LabelImg 后，在左侧工具栏中选择打开图片目录和保存目录，当图片正常显示在中部后，就可以选择创建选框，进行画矩形标注的过程了。当然前期需要制作预定义的分类标签文件，然后就可以框选图片上的合格或不合格的零件部分，并在右侧label中选择分类的 label ，图中是 v8_bad ，也就是框选的是不合格的部分，然后点击保存，就会在保存目录中看到生成了同名的 XML 文件。

这个操作过程简单，但数量多时，工作量大，考验耐心，并没有高的技术含量。本文中用到的图片有约4000张，一张张画框、选类别还是很费功夫的，也容易疲劳出错。所以想提醒读者，在用不同的开发框架进行模型训练时，需要将所有 XML 文件转成 csv 格式，然后再转成所用框架支持的数据输入格式文件，本例中用的 tensorflow ，所以要转换成 .tfrecord 格式。

我在标注的过程中遇到的问题是，由于图片是按合格、不合格，检验日期分类的不同的文件夹中存放的，所以也是分别标注的。这样造成的问题是，训练时需要将所有的图片都放到 images\train 的文件夹内，然后再转换数据格式，这样XML文件中的路径和文件名称就需要重新定位，虽然只是按一下空格键（快捷键）就可以完成，但如果是成千上万张图片，还是很累人的。所以建议，先将图片在名称上带有合格、日期等信息（这个可以通过程序来实现，我是已经在数据增强时完成了此工作），然后所有图片放到一个文件夹中再进行标注，然后再转换成数据格式文件。这样就会避免重复性的劳动，推理验证时也可直接看出预测结果是否正确，一目了然，所以即使是标注工作，也要提前进行设计和规划，才能不返工。

三、结论

Opencv 处理函数 imread 或 imdecoded 在批量读入图片时，第二参数 flag 至关重要，对不同格式和位数、通道的图片要选取合适的参数才能得到正确的结果。而且网上说的关于是中文目录的影响不完全，即使是英文或数字的目录或文件名，参数配置的不合理，也还是得不到正确的结果。

LabelImg 标注工具，框选只能是矩形框，如果是任意形状比较理想，但这主要是受深度学习算法的影响，矩形框以坐标和直线的形式进行点的搜索和直线的回归要容易一些，曲线处理的难度就大大增加。所以在矩形框选的前提下，要合理规划不同分类图片的目录和名称，并把相关文件放到同一目录下进行处理，则可以避免重复性的劳动。

关注我们，让开发变得更有趣👇

微信号：openvinodev
B站：OpenVINO 中文社区

*OpenVINO and the OpenVINO logo are trademarks of Intel Corporation or its subsidiaries.