使用 Python 和 OpenCV 进行数据增广

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

数据扩充是一种增加数据集多样性的技术，无需收集更多真实数据，但仍有助于提高模型精度并防止模型过度拟合。在这篇文章中，我们将学习使用 Python 和 OpenCV 为对象检测任务实现最流行和最有效的数据扩充过程。

即将引入的一组数据扩充方法包括：

1. 随机裁剪

2. 断流器

3. 颜色抖动

4. 添加噪音

5. 过滤

首先，让我们导入几个库并准备一些必要的子程序。

import os
import cv2
import numpy as np
import random


def file_lines_to_list(path):
'''
    ### Convert Lines in TXT File to List ###
    path: path to file
    '''
with open(path) as f:
        content = f.readlines()
    content = [(x.strip()).split() for x in content]
return content


def get_file_name(path):
'''
    ### Get Filename of Filepath ###
    path: path to file
    '''
    basename = os.path.basename(path)
    onlyname = os.path.splitext(basename)[0]
return onlyname


def write_anno_to_txt(boxes, filepath):
'''
    ### Write Annotation to TXT File ###
    boxes: format [[obj x1 y1 x2 y2],...]
    filepath: path/to/file.txt
    '''
    txt_file = open(filepath, "w")
for box in boxes:
        print(box[0], int(box[1]), int(box[2]), int(box[3]), int(box[4]), file=txt_file)
    txt_file.close()

下面的图片在这篇文章中用作示例图片。

随机裁剪

随机裁剪随机选择一个区域并裁剪出来做一个新的数据样本，裁剪后的区域应该与原始图像具有相同的宽高比以保持物体的形状。

从上图中，左图表示带有真实边界框（红色）的原始图像，右图是通过裁剪橙色框内的区域创建的新样本。在新样本的注释中，去除左图中与橙色框不重叠的所有对象，并细化位于橙色框边界上的对象的坐标以适合新图像样本，原始图像随机裁剪的输出为新裁剪图像及其注释。