使用CV2库对图像数据增强

Gg森G

已于 2023-05-15 10:13:50 修改

阅读量445

点赞数 1

文章标签：计算机视觉 opencv python

于 2023-05-15 09:12:53 首次发布

本文链接：https://blog.csdn.net/justdoix/article/details/130676803

版权

import cv2
import os
import numpy as np

# 定义原始图片路径和增强后图片路径
original_path = ''
rotate_flip_path = ''
scale_path = ''
output_path = ''

# 定义旋转的角度和缩放的比例
rotate_angles = [30, 60, 90, 120, 150, 180]
scale_factors = [0.5，1.5]

# 中心裁剪
def crop_image(img, crop_size):
    height, width = img.shape[:2]
    y_start = int(height / 2 - crop_size[0] / 2)
    y_end = y_start + crop_size[0]
    x_start = int(width / 2 - crop_size[1] / 2)
    x_end = x_start + crop_size[1]
    return img[y_start:y_end, x_start:x_end]

# 遍历文件夹下的所有图片，进行数据增强
for filename in os.listdir(original_path):
    if filename.endswith('.png'):    # 判断文件是否为png格式的图像文件
        # 读取原始图像
        img = cv2.imread(os.path.join(original_path, filename))

        # 对原始图像进行旋转、翻转、缩放
        for angle in rotate_angles:
            # 旋转操作
            M = cv2.getRotationMatrix2D((img.shape[1] / 2, img.shape[0] / 2), angle, 1)
            rotated_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0]))
            cv2.imwrite(os.path.join(rotate_flip_path, filename.split('.')[0] + '_rotate_' + str(angle) + '.png'), rotated_img)

            # 翻转操作
            flipped_img = cv2.flip(rotated_img, 1)
            cv2.imwrite(os.path.join(rotate_flip_path, filename.split('.')[0] + '_rotate_' + '_flip_' + str(angle) + '.png'), flipped_img)

for filename in os.listdir(rotate_flip_path):
    if filename.endswith('.png'):    # 判断文件是否为png格式的图像文件
        # 读取原始图像
        img = cv2.imread(os.path.join(rotate_flip_path, filename))

    for factor in scale_factors:
        # 缩放操作
        scaled_img = cv2.resize(img, None, fx=factor, fy=factor, interpolation=cv2.INTER_LINEAR)
        cv2.imwrite(os.path.join(scale_path, filename.split('.')[0] + '_scale_' + str(factor) + '.png'), scaled_img)

# 将文件中心裁剪后放入同一文件夹
for filename in os.listdir(original_path):
    if filename.endswith('.png'):    # 判断文件是否为png格式的图像文件
        # 读取原始图像
        img=cv2.imread(os.path.join(original_path, filename))
        new_img = crop_image(img, (320, 320))
        cv2.imwrite(os.path.join(output_path, filename), new_img)

for filename in os.listdir(rotate_flip_path):
    if filename.endswith('.png'):    # 判断文件是否为png格式的图像文件
        # 读取原始图像
        img=cv2.imread(os.path.join(rotate_flip_path, filename))
        new_img = crop_image(img, (320, 320))
        cv2.imwrite(os.path.join(output_path, filename), new_img)

for filename in os.listdir(scale_path):
    if filename.endswith('.png'):    # 判断文件是否为png格式的图像文件
        # 读取原始图像
        img=cv2.imread(os.path.join(scale_path, filename))
        new_img = crop_image(img, (320, 320))
        cv2.imwrite(os.path.join(output_path, filename), new_img)

旋转、翻转和缩放：首先将original_path的图片按照不同角度进行旋转，再将每一张旋转后的图片进行水平翻转，存入rotate_flip_path，然后将rotate_flip_path的图片按照不同比例进行缩放，存入scale_path，最后将rotate_flip_path和scale_path的图片进行中心裁剪（注意原图宽高要大于320，裁剪出来的图片不是320*320）后存入output_path。

import numpy as np
import cv2

def addGaussNoise(img):  # 添加高斯噪声函数
    # 添加高斯噪声
    mean = 0
    variance = 0.1
    sigma = np.sqrt(variance)
    gaussian = np.random.normal(mean, sigma, img.shape).astype('float32')
    # 将图像类型转换为相同类型
    img = img.astype(np.float32)
    gaussian = gaussian.astype(np.float32)

    noisy_image = cv2.add(img, gaussian)
    return noisy_image

def addSaltNoise(img):  # 添加椒盐噪声函数
    # 添加椒盐噪声
    s_vs_p = 0.5
    amount = 0.004
    out = np.copy(img)

    # 椒盐噪声数量
    num_salt = np.ceil(amount * img.size * s_vs_p)
    coords = [np.random.randint(0, i - 1, int(num_salt)) for i in img.shape]
    out[coords] = 1

    # 椒盐噪声数量
    num_pepper = np.ceil(amount * img.size * (1. - s_vs_p))
    coords = [np.random.randint(0, i - 1, int(num_pepper)) for i in img.shape]
    out[coords] = 0
    return out


def addSpeckleNoise(img):  # 添加乘法噪声函数
    # 生成均值为1，标准差为0.1的乘法噪声
    noise = np.random.normal(loc=1, scale=0.1, size=img.shape[:2])
    # 将噪声与图像相乘
    noisy_img = (img * noise[:, :, np.newaxis]).astype(np.uint8)
    return noisy_img

import random
import glob
import shutil

# 获取文件夹下所有png文件的路径列表
png_files = glob.glob('*.png')

# 随机选择30个文件
random_files = random.sample(png_files, 30)

# 将随机选择的文件复制到指定文件夹
for file in random_files:
    img = cv2.imread(file)
    Gauss_img = addGaussNoise(img)
    cv2.imwrite(file.split('.')[0] + '_Gauss_' + '.png', Gauss_img)

添加高斯噪声、椒盐噪声和乘法噪声：通过glob.glob('*.png')提取所有png图像文件，然后使用random.sample(png_files, 30)随机选择30个文件，再遍历每一个文件添加噪声后存入指定文件夹。

import os
import cv2

source_path = ''
target_path = ''
target_size = (320, 320)

if not os.path.exists(target_path):
    os.makedirs(target_path)

for filename in os.listdir(source_path):
    if filename.endswith('.png'):
        img_path = os.path.join(source_path, filename)
        img = cv2.imread(img_path)
        img_resized = cv2.resize(img, target_size)
        target_file = os.path.join(target_path, filename)
        cv2.imwrite(target_file, img_resized)

输出统一尺寸大小图片

注意事项：

1、为什么有文件却不能读取到？

可能有几个原因导致无法读取到文件：

路径不正确：如果文件路径不正确，程序将无法找到文件。请确保您提供的文件路径是正确的。
文件名拼写错误：如果您的文件名拼写有误，则可能会导致无法找到文件。请确保文件名拼写正确。
文件权限问题：如果您没有访问文件的权限，则可能无法读取文件。请检查文件权限。
文件已被占用：如果另一个程序正在使用该文件，则您可能无法访问该文件。请确保文件没有被其他程序锁定。
文件损坏：如果文件已损坏，则可能无法读取文件。请检查文件是否已正确下载或是否存在其他问题。

2、为什么输出图片的颜色不一样？

1. 当使用OpenCV读取图片时，默认情况下会按照BGR顺序读取，而不是常见的RGB顺序。如果需要按RGB顺序读取图片。可以使用以下代码：

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

2. 这可能是由于图像被压缩导致的色彩失真问题。你可以尝试修改保存图片时的参数，比如指定保存为无损压缩格式，来避免这个问题。可以使用以下代码：

cv2.imwrite('noisy_image.png', noisy_img, [cv2.IMWRITE_PNG_COMPRESSION, 0])

3、cv2处理的数据类型是什么？

cv2处理的数据类型是numpy.ndarray，即cv2.imread()的输入是图像数据（heihgt*width*channel个整数），输出是numpy.ndarray三维数组。即cv2.imwrite()的输入是numpy.ndarray三维数组，输出是（heihgt*width*channel个整数）