图像数据增强方式及其实现代码

倒背如流

于 2019-08-23 13:07:29 发布

阅读量3.7k

点赞数 4

分类专栏：机器学习数据增强文章标签：计算机视觉机器学习数据集增强图像处理

本文链接：https://blog.csdn.net/weixin_44877480/article/details/100035933

版权

本文探讨了图像数据增强在机器学习中的应用，包括水平和垂直翻转、旋转、平移、裁剪、对比度与亮度调整以及添加高斯噪声等方法。通过使用opencv和numpy库，详细展示了各种增强技术的实现代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习随笔-记录自己的学习之路

简介：图像数据增强通常有以下几种方式：图像水平翻转、垂直翻转、平移、旋转、亮度调整、加噪声。本文利用opencv和numpy实现了以上数据增强方法，代码如下

def horizon_flip(img):
    '''
    图像水平翻转
    :param img:
    :return:水平翻转后的图像
    '''
    return img[:, ::-1]

def vertical_flip(img):
    '''
    图像垂直翻转
    :param img:
    :return:
    '''
    return img[::-1]

旋转
利用cv2.getRotationMatrix2D获取旋转矩阵(坐标变换)，和下图所学的旋转坐标变换矩阵不太一样，因为下图的旋转坐标计算公式是按同一坐标点旋转坐标系计算，但是旋转图像最后是要同统一一个图像坐标系，即图像左上角为原点建立坐标系。

def rotate(img, limit_up=10, limit_down=-10):
    '''