cv2-task数据读取与数据扩增

学习使用 定长字符识别 思路来构建模型，逐步讲解赛题的解决方案和知识点

图像读取

赛题任务是识别图像中的字符，所以首先要完成对数据的读取
Python中有很多库可以完成数据读的操作，常见的有Pillow和OpenCV

Pillow

PIL的一个分支，它可以与ipython notebook无缝集成

from PIL import Image# 导入Pillow库
im=Image.open('cat.jpg')#读取图片

from PIL import Image, ImageFilter
im = Image.open('cat.jpg')
# 应用模糊滤镜:  模糊效果还是很明显的
im2 = im.filter(ImageFilter.BLUR)
im2.save('blur.jpg', 'jpeg')

from PIL import Image
# 打开一个jpg图像文件，注意是当前路径:
im = Image.open('cat.jpg')
#把图像缩小
im.thumbnail((w//2, h//2))
im.save('thumbnail.jpg', 'jpeg')

上面只演示了Pillow最基础的操作，Pillow还有很多图像操作，是图像处理的必备库。
Pillow的官方文档：https://pillow.readthedocs.io/en/stable/

OpenCV

导入的时候应该是cv2

import cv2

img = cv2.imread('cat.jpg')
# Opencv默认颜色通道顺序是BRG，转换一下
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

import cv2

img = cv2.imread('cat.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 转换为灰度图

OpenCV包含了你能想得到的只要与图像相关的操作
OpenCV还内置了很多的图像特征处理算法，如关键点检测、边缘检测和直线检测等。
OpenCV官网：https://opencv.org/

数据扩增方法

数据扩增介绍

数据扩增方法非常重要，数据扩增可以增加训练集的样本，可以有效缓解模型过拟合情况，还可以增强模型泛化能力。
进行数据扩增的原因：深度学习的参数非常多，一般的模型可训练的参数量基本上都是万到百万级别，而训练集样本的数量很难有这么多。
扩增方法：
图像颜色，尺寸，形态，空间，像素等角度

以torchvision为例，常见的数据扩增方法包括：

ransforms.CenterCrop 对图片中心进行裁剪
transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换
transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
transforms.Grayscale 对图像进行灰度变换
transforms.Pad 使用固定值进行像素填充
transforms.RandomAffine 随机仿射变换
transforms.RandomCrop 随机区域裁剪
transforms.RandomHorizontalFlip 随机水平翻转
transforms.RandomRotation 随机旋转
transforms.RandomVerticalFlip 随机垂直翻转

注，此次为数字识别不能进行反转操作，6反转后成了9就没什么意义了
常用的扩增库

torchvision
https://github.com/pytorch/vision
imgaug
https://github.com/aleju/imgaug
albumentations
https://albumentations.readthedocs.io

Pytorch读取数据

python中数据是通过Dataset进行封装，并通过FataLoder进行读取，所以我们只需要重载一下数据读取的逻辑就可以完成数据的读取

import os, sys, glob, shutil, json
import cv2

from PIL import Image
import numpy as np

import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms

class SVHNDataset(Dataset):#重载函数
    def __init__(self, img_path, img_label, transform=None):
        self.img_path = img_path
        self.img_label = img_label 
        if transform is not None:
            self.transform = transform
        else:
            self.transform = None

    def __getitem__(self, index):
        img = Image.open(self.img_path[index]).convert('RGB')

        if self.transform is not None:
            img = self.transform(img)
        
        # 原始SVHN中类别10为数字0
        lbl = np.array(self.img_label[index], dtype=np.int)
        lbl = list(lbl)  + (5 - len(lbl)) * [10]
        
        return img, torch.from_numpy(np.array(lbl[:5]))

    def __len__(self):
        return len(self.img_path)

train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]

data = SVHNDataset(train_path, train_label,
          transforms.Compose([#数据的扩增
              # 缩放到固定尺寸
              transforms.Resize((64, 128)),

              # 随机颜色变换
              transforms.ColorJitter(0.2, 0.2, 0.2),

              # 加入随机旋转
              transforms.RandomRotation(5),

              # 将图片转换为pytorch 的tesntor
              # transforms.ToTensor(),

              # 对图像像素进行归一化
              # transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
            ]))

DataLoder
Dataset:对数据集进行封装，提供索引方式的对数据样本进行读取
DataLoder：对Dataset’进行封装，提供批量读取的迭代数据

大概就是改了这些吧

train_loader = torch.utils.data.DataLoader(
        SVHNDataset(train_path, train_label,
                   transforms.Compose([
                       transforms.Resize((64, 128)),
                       transforms.ColorJitter(0.3, 0.3, 0.2),
                       transforms.RandomRotation(5),
                       transforms.ToTensor(),
                       transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
            ])), 
    batch_size=10, # 每批样本个数
    shuffle=False, # 是否打乱顺序
    num_workers=10, # 读取的线程个数
)

for data in train_loader:
    break

加入后代码完整如下：

import os, sys, glob, shutil, json
import cv2

from PIL import Image
import numpy as np

import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms

class SVHNDataset(Dataset):
    def __init__(self, img_path, img_label, transform=None):
        self.img_path = img_path
        self.img_label = img_label 
        if transform is not None:
            self.transform = transform
        else:
            self.transform = None

    def __getitem__(self, index):
        img = Image.open(self.img_path[index]).convert('RGB')

        if self.transform is not None:
            img = self.transform(img)
        
        # 原始SVHN中类别10为数字0
        lbl = np.array(self.img_label[index], dtype=np.int)
        lbl = list(lbl)  + (5 - len(lbl)) * [10]
        
        return img, torch.from_numpy(np.array(lbl[:5]))

    def __len__(self):
        return len(self.img_path)

train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]

train_loader = torch.utils.data.DataLoader(
        SVHNDataset(train_path, train_label,
                   transforms.Compose([
                       transforms.Resize((64, 128)),
                       transforms.ColorJitter(0.3, 0.3, 0.2),
                       transforms.RandomRotation(5),
                       transforms.ToTensor(),
                       transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
            ])), 
    batch_size=10, # 每批样本个数
    shuffle=False, # 是否打乱顺序
    num_workers=10, # 读取的线程个数
)

for data in train_loader:
    break

注：加入DataLoder后，数据按照批次获取，每次调用Dataset读取单个本进行拼接m，此时data的格式为：

torch.Size([10, 3, 64, 128]), 
torch.Size([10, 6])

前者为图像文件，为baychsizechanelheight*width次序；后者为字符标签

小节

对数据读取代码进一步分析，了解了pytorch的图像处理库及本次的框架；