图像数据读取与扩增

最新推荐文章于 2024-04-29 22:01:40 发布

o6eceici

最新推荐文章于 2024-04-29 22:01:40 发布

阅读量607

点赞数

文章标签： cv

本文链接：https://blog.csdn.net/o6eceici/article/details/106225577

版权

本文详细介绍了图像数据的读取，包括matplotlib、Pillow和OpenCV库的使用，并探讨了图像数据的扩增，解释了数据扩增在深度学习中的重要性以及常见方法，如颜色、尺寸、形态等变换。最后提供了实际操作的代码示例，强调了在字符识别任务中数据扩增的注意事项。

摘要由CSDN通过智能技术生成

import matplotlib.pyplot as plt
img=plt.imread('.../1.png')
print(img.shape)
print(img.dtype)
print(type(img))
plt.imshow(img)
plt.show()

imread读取的图片为numpy.ndarry的数组，数组的大小排列为：高×宽×通道数，数组的类型是uint8，即每个数据的大小为[0，255]

PIL库可以完成图像归档和图像处理两方面功能需求：

读取图像及图像属性代码如下：

from PIL import Image
im=Image.open('.../1.png')
print(im.format) #图像格式
print(im.mode) #图像色彩模式
print(im.size) #宽度和高度

可以查看特定颜色的RGBA/RGB值

from PIL import ImageColor
print(ImageColor.getcolor('red','RGBA'))
print(ImageColor.getcolor('black','RGB'))

图像储存：

im.save('im.jpg',quality=95,subsampling=0)

其中quality是质量参数，1最差，95最好。subsampling参数通过实现色度信息的分辨率低于亮度信息来对图像进行编码的实践。可能的子采样值是0,1和2，正常0可以满足图片大小增大的需求。

图像裁剪：

cropedim=im.crop((150,10,500,300))
cropedim
#裁剪范围横坐标为(150,500),纵坐标为(10,300)

关注