LLNet模型实现——训练数据准备之抽取训练样本

1. 背景

LLNet模型通过训练高斯噪声自动编码器，实现图像增强和图像噪声去除

2. 代码实现

% LLNet: Deep Autoencoders for Low-light Image Enhancement
% 生成LLNet所需要的训练样本
% Author: HSW
% Date: 2018-05-05
%

% patchsize: 17 x 17 = (2 * ksize + 1) x (2 * ksize + 1) 
ksize = 8;
data_dir = 'C:\Users\heshiwen\Desktop\LLNet模型\png_data_set';
format   = '.png';

% 获取数据集合的全部文件
filePaths = searchRoot(data_dir, format);
fileCnt = length(filePaths);
% 训练样本的保存路径
patchsPath = 'C:\Users\heshiwen\Desktop\LLNet模型\training\image';
labelsPath = 'C:\Users\heshiwen\Desktop\LLNet模型\training\label'; 
% Gamma变换的取值范围: 均匀分布[gammaMin, gammaMax]
gammaMin = 2;
gammaMax = 5;
% Gaussian噪声的方方差范围: 均匀分布[sigmaMin, sigmaMax]
sigmaMinB = 0;
sigmaMaxB = 1;
% 每张图片抽取样本的数量
patchCnt = 2500;
% 每组配置采样的个数
patchPerConfig = 100;
% 样本集合编号
globalNum = 0;
% 是否显示图像
isDisplay = 1; 

for fileIdx = 1:fileCnt