使用Julia进行图像处理--用于扩充训练集的图像增强

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：

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

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。

深知大多数初中级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爬虫全套学习资料》送给大家，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。

由于文件比较大，这里只是将部分目录截图出来，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

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）

/img_convert/21b2604bd33c4b6713f686ddd3fe5aff.png)

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。

深知大多数初中级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爬虫全套学习资料》送给大家，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。

由于文件比较大，这里只是将部分目录截图出来，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

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-PEOyPzre-1710895930425)]