深度学习必备 3个非常实用的Python图像增强库(使用步骤 + 演示效果)_深度学习图像增强python

import albumentations as Aimport cv2

除了 Albumentations 包之外，我们还使用 OpenCV 包，这是一个支持多种图像格式的开源计算机视觉库。专辑依赖于 OpenCV；因此，您已经安装了它。

图像翻转

‘A.HorizontalFlip’ 和 ‘A.VerticalFlip’ 函数用于水平和垂直翻转图像。p 是一个独特的参数，几乎所有的扩充都支持。它控制使用增强的概率。​​​​​​​

#HorizontalFliptransform = A.HorizontalFlip(p=0.5)augmented_image = transform(image=input_img)[‘image’]plt.figure(figsize=(4, 4))plt.axis(‘off’)plt.imshow(augmented_image)
#VerticalFliptransform = A.VerticalFlip(p=1)augmented_image = transform(image=input_img)[‘image’]plt.figure(figsize=(4, 4))plt.axis(‘off’)plt.imshow(augmented_image)

图像缩放和旋转

该增强器随机使用仿射变换来平移、缩放和旋转输入图像。​​​​​​​

transform = A.ShiftScaleRotate(p=0.5)random.seed(7) augmented_image = transform(image=input_img)[‘image’]plt.figure(figsize=(4, 4))plt.axis(‘off’)plt.imshow(augmented_image)

图像通道随机重组

该增强器随机重新排列输入图像的 RGB 通道​​​​​​​

from albumentations.augmentations.transforms import ChannelShuffle transform = ChannelShuffle(p=1.0) random.seed(7) augmented_image = transform(image=input_img)[‘image’] plt.figure(figsize=(4, 4)) plt.axis (‘off’) plt.imshow(augmented_image)

图像曝光

该增强器反转输入图像中大于某个阈值的所有像素值。​​​​​​​

from albumentations.augmentations.transforms import Solarizetransform = Solarize(threshold=200, p=1.0)augmented_image = transform(image=input_img)[‘image’]plt.figure(figsize=(4, 4))plt.axis(‘off’)plt.imshow(augmented_image)

反转图像

通过从 255 中减去像素值，此增强器反转输入图像。​​​​​​​

from albumentations.augmentations.transforms import InvertImgtransform = InvertImg(p=1.0)augmented_image = transform(image=input_img)[‘image’]plt.figure(figsize=(4, 4))plt.axis(‘off’)plt.imshow(augmented_image)

使用 Compose 增强管道

要定义扩充管道，首先，创建一个 Compose 实例。您必须提供扩充列表作为 Compose 类的参数。在此示例中，我们将使用各种增强功能，例如转置、模糊、失真等。

Compose 调用将导致返回将执行图像增强的变换函数。​​​​​​​

transform = A.Compose([ A.RandomRotate90(), A.Transpose(), A.ShiftScaleRotate(shift_limit=0.08, scale_limit=0.5, rotate_limit=5, p=.8), A.Blur(blur_limit=7), A.GridDistortion(),])random.seed(2) augmented_image = transform(image=input_img)[‘image’]plt.figure(figsize=(4, 4))plt.axis(‘off’)plt.imshow(augmented_image)

SOLT

SOLT 是一个深度学习数据增强库，支持图像、分割掩码、标签和关键点。SOLT 也很快，并且在其后端有 OpenCV。完整的自动生成的文档和示例可以在这里找到：https 😕/mipt-oulu.github.io/solt/.

我们将从使用 pip 命令安装 SOLT 开始:

pip install solt

然后我们将导入增强图像数据所需的所有必要的 SOLT 包:​​​​​​​

import soltimport solt.transforms as slth, w, c = input_img.shapeimg = input_img[:w]

在这里，我们将为扩充管道创建一个 Stream 实例。您必须提供扩充列表作为流类的参数:​​​​​​​

stream = solt.Stream([ slt.Rotate(angle_range=(-90, 90), p=1, padding=‘r’), slt.Flip(axis=1, p=0.5), slt.Flip(axis=0, p=0.5), slt.Shear(range_x=0.3, range_y=0.8, p=0.5, padding=‘r’), slt.Scale(range_x=(0.8, 1.3), padding=‘r’, range_y=(0.8, 1.3), same=False, p=0.5), slt.Pad((w, h), ‘r’), slt.Crop((w, w), ‘r’), slt.Blur(k_size=7, blur_type=‘m’), solt.SelectiveStream([ slt.CutOut(40, p=1), slt.CutOut(50, p=1), slt.CutOut(10, p=1), solt.Stream(), solt.Stream(), ], n=3),], ignore_fast_mode=True)fig = plt.figure(figsize=(17,17))n_augs = 10random.seed(2)for i in range(n_augs): img_aug = stream({‘image’: img}, return_torch=False, ).data[0].squeeze() ax = fig.add_subplot(1,n_augs,i+1) if i == 0: ax.imshow(img) else: ax.imshow(img_aug) ax.set_xticks([]) ax.set_yticks([])plt.show()

总结

图像增强可以帮助增加现有数据集。目前有几个 Python 库可用于图像增强。在本文中，我们使用三个 Python 库——Imgaug、Albalentations和Solt探索了不同的图像增强技术。

希望你喜欢阅读这篇文章！下次训练机器学习或深度学习模型时，请尝试使用这三个库中的一个以及本文中分享的技术，以快速生成额外的图像数据。

下载1：Pytoch常用函数手册

在「OpenCV与AI深度」号后台回复：Pytorch函数手册**，能够学习下载全网第一份Pytorch函数常用手册，包括Tensors介绍、基础函数介绍、数据处理函数、优化函数、CUDA编程、多处理**等十四章内容。

下载2：145个OpenCV实例应用代码

在「OpenCV与AI深入」公众号后台回复：OpenCV145**，**能够学习下载145个OpenCV实例应用代码（Python和C++双语言实现）。

自我介绍一下，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，但对于培训机构动则几千的学费，着实压力不小。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开发全套学习资料》，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。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，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，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

6eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-uTaKXnb4-1712550352250)]