cv入门（街景字符编码）task2

数据读取

在python中有许多库可以完成图像数据读取操作，比较常见的是pillow和OpenCV。

1.1 Pillow

Pillow是python图像处理函式库（PIL）的一个分支。Pillow提供了常见图片读取和处理操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。
如：from.PIL import Image
#读取图片 img=Image.open(graph.jpg)
from PIL import Image, ImageFilter
im = Image.open(‘cat.jpg’)
#应用模糊滤镜
im2=im.filter(ImageFilter.BLUR)
im2.save(‘blur.jpg’, ‘jpeg’)
from PIL import Image
im = Image.open(‘cat.jpg’) im.thumbnail((w//2, h//2)) im.save(‘thumbnail.jpg’, ‘jpeg’)
关于Pillow的官方文档：Pillow链接

1.2 OpenCV

OpenCV是一个跨平台的计算机视觉库，最早是由Intel开源得来。OpenCV发展比较早，拥有众多的计算机视觉，数字图像处理和集权视觉等功能。OpenCV在功能上比Pillow更加强大，学习成本也高很多。
代码演示：
import cv2 #导入库
img = cv2.imread(‘cat.jpg’) #读取图片
#默认通道是BRG
img =cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
#转换灰度图
img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#边缘检测
edges=cv2.Canny(img,30,70)cv2.imwrite(‘canny.jpg’, edges)
OpenCV包含了众多的图像处理功能，也有许多图像相关操作，内置还有图像特征处理算法，关键点检测，边缘检测，和直线检测登等。
opencv官网
opencv github
opencv扩展算法库

2. 数据扩增方法

在深度学习中数据扩增非常重要，数据扩增可以增加训练集的样本，同时也可以缓解模型过拟合的情况，也可以给模型带来的更强范化能力。
数据扩增为什么有用呢？
在深度学习模型的训练过程中，数据扩增是必不可少的环节，现有深度学习的参数非常多，一般的模型可训练数量基本上都是万到百万级别，而训练样本的数量很难有这么多。
其次是数据扩增可以扩展样本空间，假设现有的分类模型需要对汽车图片进行分类，如果不使用任何数据扩增的方法，深度学习模型会从汽车车头来进行判断，而不是汽车具体区别。
有哪些数据扩增方法呢？
数据扩增的方法有很多：从颜色空间，尺度空间到样本空间，同时根据不同任务数据扩增都有相应的区别。对于图像分类，数据扩增一般不会改变标签，对于物体检测，数据扩增会改变物体坐标位置，对于图像分割，数据扩增会改变像素标签。
数据扩增常用方法：一般从图像颜色，尺寸，形态，空间和像素等角度进行变换，当然不同的数据扩增方法可以自由进行组合，得到更加峰度的数据扩增方法。以torchvision为例，常见的数据扩增方法包括：

• 1. transforms.CenterCrop 对图片中心进行裁剪
• 2. transforms.ColorJitter 对图像颜色的对比度，饱和度和零度进行变换
• 3. transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
• 4. transforms.Grayscale对图像进行灰度变换
• 5. transforms.Pad使用固定值进行像素填充
• 6. transforms.RandomAffine随机仿射变换
• 7. transforms.RandomCrop 随机区域裁剪
• 8. transforms.RandomHorizontalFlip 随机水平翻转
• 9. transforms.RandomRotation 随机旋转
• 10. transforms.RandomVerticalFlip 随机垂直翻转
      但是这里应该注意的是：数字的旋转有问题，比如6旋转变成9，会改变字符的意义。
      常见数据扩增库
      torchvision
      albumentations
      imgaug

pytoch读取数据

本次赛题我们用pytorch框架实现具体方案，在pytorch中数据通过Dataset进行封装，并通过DataLoader进行读取。

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

from PIL import Image
import numpy as np
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(r"F:\opencv+机器视觉\input\train\*.png")
train_path.sort()
train_json=json.load(open(r"F:\opencv+机器视觉\input\mchar_train.json"))
train_label=[train_json[x]['label'] for x in train_json]

data = SVHNDataset(train_path,train_label,
                transforms.Compose([
                    #缩放到固定尺寸
                    transforms.Resize((64,128)),
                    # 随机颜⾊色变换
                    transforms.ColorJitter(0.3, 0.3, 0.2),
                    # 加⼊入随机旋转
                    transforms.RandomRotation(5),
                    # 将图⽚片转换为pytorch 的tesntor
                    transforms.ToTensor(),
                    # 对图像像素进⾏行行归⼀一化
                    transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
                ]))

接下来我们将定义好的Dataset基础上构建DataLoader,你可能会问有了Dataset为什么还要DataLoader?其实这2个是不同概念，是为了实现不同功能。
1.Dataset:对数据集的封装，提供索引方式的对数据样本进行读数。
2.DataLoader:对dataset进行封装，提供批量读取的迭代读取：
加载DataLoader后，数据读取代码如下：

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(r"F:\opencv+机器视觉\input\train\*.png")
train_path.sort()
train_json=json.load(open(r"F:\opencv+机器视觉\input\mchar_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([
                    #缩放到固定尺寸
                    transforms.Resize((64,128)),
                    # 随机颜⾊色变换
                    transforms.ColorJitter(0.3, 0.3, 0.2),
                    # 加⼊入随机旋转
                    transforms.RandomRotation(5),
                    # 将图⽚片转换为pytorch 的tesntor
                    transforms.ToTensor(),
                    # 对图像像素进⾏行行归⼀一化
                    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=0,#读取数据线程个数
)
for data in train_loader:
    break