OpenCv基础02--图片的调节

一、图像的自由缩放以及边缘剪裁
1、图像的扩缩裁挖

img = cv2.resize(dst,(m,n))
# 两个参数，第一个是目标图像，第二个是其缩减的比例

img = cv2.resize(dst)
patch_tree = img[m:n,k:g]
# 其中m:n k:g分别是图像截取空间的大小

2、图像色调的调整（HSV，H色调，S饱和度，V明暗度）

import cv2

img = cv2.imread("lena.jpg")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
turn_green_hsv = img_hsv.copy()
#饱和度
turn_green_hsv[:, :, 0] = (turn_green_hsv[:, :, 0] - 30) % 180
#明暗度
# turn_green_hsv[:, :, 0] = (turn_green_hsv[:, :, 0] - 30) % 0.6
turn_green_img = cv2.cvtColor(turn_green_hsv, cv2.COLOR_HSV2BGR)
cv2.imshow("texthsv", turn_green_img)
cv2.waitKey(0)

Gamma计算，虽然在Gamma变换主要是为了减少计算机视觉与人眼视觉的差距而做出的计算方式，但是在深度学习中，可以作为噪音修改的方式增大数据量

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = plt.imread("lena.jpg")
gamma_change = [np.power(x / 255, 0.4) * 255 for x in range(256)]
gamma_img = np.round(np.array(gamma_change)).astype(np.uint8)
img_corrected = cv2.LUT(img,gamma_img)
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(img_corrected)
plt.show()

3、图像的旋转、平移和翻转
主要是通过仿射变换矩阵和函数warpAffine（）完成

import cv2
import numpy as np

img = cv2.imread("lena.jpg")
M_copy_img = np.array([
    [0, 0.8, -100],
    [0.8, 0, -12]
], dtype=np.float32)
img_change = cv2.warpAffine(img, M_copy_img, (300, 300))
cv2.imshow("textxaunzahun", img_change)
cv2.waitKey(0)

二、使用OpenCv扩大图像数据库

import cv2
import random

img = cv2.imread("lena.jpg")
width, height, depth = img.shape
img_width_box = width * 0.2
img_height_box = height * 0.2
for _ in range(9):
    start_pointX = random.uniform(0, img_width_box)
    start_pointY = random.uniform(0, img_height_box)
    copyImg = img[int(start_pointX):int(200), int(start_pointY):int(200)]
    cv2.imshow("textxaunzahun", copyImg)
    cv2.waitKey(0)

自动生成了九张截图后的图片
2、图像的随机旋转变换–使用函数getRotationMatrix2D可以使用

getRotationMatrix2D(...)
getRotationMatrix2D(center,angle,scale)

import cv2

img = cv2.imread("lena.jpg")
rows, cols, depth = img.shape
img_change = cv2.getRotationMatrix2D((cols / 2, rows / 2), 45, 1)
res = cv2.warpAffine(img, img_change, (rows, cols))
cv2.imshow("textxaunzahun", res)
cv2.waitKey(0)

如果scale使用默认值为1，那么整个计算公式可以理解成做了一个仿射变换矩阵
3、图像色彩的随机变换

import cv2
import numpy as np

img = cv2.imread("lena.jpg")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
turn_green_hsv = img_hsv.copy()
turn_green_hsv[:, :, 0] = (turn_green_hsv[:, :, 0] + np.random.random()) % 180
turn_green_hsv[:, :, 1] = (turn_green_hsv[:, :, 1] + np.random.random()) % 180
turn_green_hsv[:, :, 2] = (turn_green_hsv[:, :, 2] + np.random.random()) % 180
turn_green_img = cv2.cvtColor(turn_green_hsv, cv2.COLOR_HSV2BGR)

cv2.imshow("textxaunzahun", turn_green_img)
cv2.waitKey(0)

对于HSV的设定，可以设定一个小小的阈值，在阈值范围内进行调整，除此之外，还可以在HSV后进行一次Gamma变换，这不是为了更好的适应人眼，而是在图像中中加入一定的噪音