使用Python对tif格式图片进行随机裁剪和数据增广

使用Python对tif格式图片进行随机裁剪和数据增广

  最近在做关于遥感图像的卷积神经网络课题，因为遥感图像一般都是很大而且有标注的数据不多，所以在训练网络的时候就会遇到数据不够的问题，这时候就需要对数据进行增广，一般的增广办法就是对图像进行旋转，反转，加噪等等。

  而我的图像数据因为尺寸太大，需要先进行裁决才能投到网络中。我之前用的是python的OpenCV来做这一工作，但是我发现OpenCV对tif文件不是很友好。因为tif文件除了能存unit8的图像数据，还会有float32等数据类型，而OpenCV对于这样数据的处理不是很友好。然后我找到python另一个类库Pillow（PIL），这个类库不仅能很好的读取tif格式的数据，还封装好了许多很实用的函数，在对图像进行增广的时候直接调用函数就行，同时该类库也能很好的处理其他类型的tif数据。

  下面开始上代码：

from PIL import Image,ImageFilter,ImageDraw
import random
import os
import numpy as np
from tqdm import tqdm
#要裁剪图像的大小
img_w = 256  
img_h = 256  
#读取路径下图片的名称
def file_name(file_dir):   
    L=[]   
    for root, dirs, files in os.walk(file_dir):  
        for file in files:   
            img_name = os.path.split(file)[1]    
            L.append(img_name)

    return L  
image_sets=file_name('./data/src');#图片存贮路径
#添加噪声
def add_noise(img):
    drawObject=ImageDraw.Draw(img)
    for i in range(250): #添加点噪声
        temp_x = np.random.randint(0,img.size[0])
        temp_y = np.random.randint(0,img.size[1])
        drawObject.point((temp_x,temp_y),fill="white")#添加白色噪声点,噪声点颜色可变
    return img
#色调增强
def random_color(img):
    img = ImageEnhance.Color(img)
    img = img.enhance(2)
    return img
def data_augment(src_roi,label_roi):
    #图像和标签同时进行90，180，270旋转
    if np.random.random() < 0.25:
       src_roi=src_roi.rotate(90)
       label_roi=label_roi.rotate(90)
    if np.random.random() < 0.25:
       src_roi=src_roi.rotate(180)
       label_roi=label_roi.rotate(180)
    if np.random.random() < 0.25:
       src_roi=src_roi.rotate(270)
       label_roi=label_roi.rotate(270)
    #图像和标签同时进行竖直旋转   
    if np.random.random() < 0.25:
       src_roi=src_roi.transpose(Image.FLIP_LEFT_RIGHT)
       label_roi=label_roi.transpose(Image.FLIP_LEFT_RIGHT)
    #图像和标签同时进行水平旋转
    if np.random.random() < 0.25:
       src_roi=src_roi.transpose(Image.FLIP_TOP_BOTTOM)
       label_roi=label_roi.transpose(Image.FLIP_TOP_BOTTOM)
    #图像进行高斯模糊
    if np.random.random() < 0.25:
       src_roi=src_roi.filter(ImageFilter.GaussianBlur)
    #图像进行色调增强
    if np.random.random() < 0.25:
       src_roi=random_color(src_roi)
    #图像加入噪声   
    if np.random.random() < 0.2:
       src_roi = add_noise(src_roi)
    return src_roi,label_roi
    
# image_num：增广之后的图片数据
def creat_dataset(image_num = 100000, mode = 'original'):
    print('creating dataset...')
    image_each = image_num / len(image_sets)
    g_count = 0
    for i in tqdm(range(len(image_sets))):
        count = 0
        src_img = Image.open('./data/src/' + image_sets[i])  # 3 channels
        label_img = Image.open('./data/label/' + image_sets[i]) # 3 channels
        #对图像进行随机裁剪，这里大小为256*256       
        while count < image_each:
            width1 = random.randint(0, src_img.size[0] - img_w )
            height1 = random.randint(0, src_img.size[1] - img_h)
            width2 = width1 + img_w
            height2 = height1 + img_h  
            
            src_roi=src_img.crop((width1, height1, width2, height2))
            label_roi=label_img.crop((width1, height1, width2, height2))
                       
            if mode == 'augment':
               src_roi,label_roi = data_augment(src_roi,label_roi)
            src_roi.save('./data/train_src/%d.tif' % g_count)
            label_roi.save('./data/train_label/%d.tif' % g_count)
            count += 1 
            g_count += 1

if __name__=='__main__':  
    creat_dataset(mode='augment')

&#8195&#8195下面是对某张图像进行随机裁剪并做了增广操作的结果：

对应的图像标签：

PIL中对图像的其他过滤方法：

from PIL import Image, ImageFilter

im = Image.open(im_path)
# 高斯模糊
im.filter(ImageFilter.GaussianBlur).save(r'D:\test\GaussianBlur.jpg')
# 普通模糊
im.filter(ImageFilter.BLUR).save(r'D:\data\BLUR.jpg')
# 边缘增强
im.filter(ImageFilter.EDGE_ENHANCE).save(r'D:\test\EDGE_ENHANCE.jpg')
# 找到边缘
im.filter(ImageFilter.FIND_EDGES).save(r'D:\test\FIND_EDGES.jpg')
# 浮雕
im.filter(ImageFilter.EMBOSS).save(r'D:\test\EMBOSS.jpg')
# 轮廓
im.filter(ImageFilter.CONTOUR).save(r'D:\test\CONTOUR.jpg')
# 锐化
im.filter(ImageFilter.SHARPEN).save(r'D:\test\SHARPEN.jpg')
# 平滑
im.filter(ImageFilter.SMOOTH).save(r'D:\test\SMOOTH.jpg')
# 细节
im.filter(ImageFilter.DETAIL).save(r'D:\test\DETAIL.jpg')

PIL对图像的其他操作，建议参考：

https://www.cnblogs.com/Lival/p/6211602.html
https://blog.csdn.net/gzlaiyonghao/article/details/1852726