批量数据增强（扩充）：目标检测系列（2）亮度、色域、对比度、噪声

简述

1.亮度

1）效果

原图：

降低亮度后：

2）代码分析

1.导入图片和标注文件路径

imgs_p="../aug_test_dataset/imgs/"
anns_p="../aug_test_dataset/anns/"
imgs_save_p="../aug_test_dataset/imgs_ed/"
anns_save_p="../aug_test_dataset/anns_ed/"

2.初始化（读取）

a, b = os.path.splitext(i)  #.splitext方法将文件路径以.分隔开
    img = cv2.imread(imgs_p + a + '.jpg')
    tree = ET.parse(anns_p + a + '.xml')
    root = tree.getroot()
    flag = 1.4 # 将图像调暗，大于1为暗，小于1为亮

3.调用函数降低亮度

    img = exposure.adjust_gamma(img, flag)

4.批量保存

    cv2.imwrite(imgs_save_p + a + '_' + 'lit_d' + '.jpg',img)
    tree.write(anns_save_p + a + '_'+ 'lit_d' +'.xml')

3）源码

import glob
import xml.dom.minidom
import cv2
import os,sys
import numpy as np
import random
from skimage.util import random_noise
import xml.etree.ElementTree as ET
from skimage import exposure

imgs_p="../aug_test_dataset/imgs/"
anns_p="../aug_test_dataset/anns/"
imgs_save_p="../aug_test_dataset/imgs_ed/"
anns_save_p="../aug_test_dataset/anns_ed/"

for i in os.listdir(imgs_p):
    a, b = os.path.splitext(i)
    img = cv2.imread(imgs_p + a + '.jpg')
    tree = ET.parse(anns_p + a + '.xml')
    root = tree.getroot()
    flag = 1.4 # 将图像调暗，大于1为暗，小于1为亮
    
    img = exposure.adjust_gamma(img, flag)
    
    cv2.imwrite(imgs_save_p + a + '_' + 'lit_d' + '.jpg',img)
    tree.write(anns_save_p + a + '_'+ 'lit_d' +'.xml')

2.色域

1）效果

原图：

更改色域后：

2）代码分析

1.调用函数更改图片色域（其余部分同上）

    perms = (2,1,0) # r和b通道互换
    img = img[:, :, perms]

3.对比度

1）效果

更改对比度后（调高为原来的1.5倍）：

2）代码分析

调用函数将图像对比度调高（其余部分同上）：

    alpha = 1.5
    img = img * alpha
    img = img.clip(min=0, max=255)

4.添加噪声

1）效果

添加高斯噪声后：

2）代码分析

其余部分同上

    img = random_noise(img, mode='gaussian', clip=True)*255

5. 源代码

源代码