《动手学习深度学习》13.1图像增广在colab上显示猫的图片不成功的解决办法

一开始,我总是显示如下:

No such file or directory: ‘./img/cat1.jpg’

但是打开文件路径发现路径没有问题,img和运行的文件是在同一目录下的:

在这里插入图片描述

ps:如果点击左边侧边栏没有文件路径显示,证明没有同步,需要点击这个按钮:

在这里插入图片描述
接着会提示要运行一个单元格:

在这里插入图片描述

运行成功就能把之前向colab上传的文件夹同步了。

至于路径不同,我的猜想是,在这里文件的相对路径相对的是主文件夹,也就是说和drive文件夹可以看做同级的文件夹,当我把路径改成./drive/MyDrive/chapter13/img/cat1.jpg,就能显示图片了,不过去掉前面的./也能显示图片。

在这里插入图片描述

在这里插入图片描述

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在机器学习中,图像增广(Augmentation)是一种常用的技术,可以通过对原始图像进行一系列变换,生成多样性的新图像,从而扩充数据集,提高模型的泛化能力。在图像增广中,增强图像亮度和对比度是比较常用的操作之一。 增强图像亮度(Brightness Enhancement)通常使用以下两种方式实现: 1. 调整像素值:对图像中的所有像素值进行加法或乘法操作,从而提高整个图像的亮度。例如,对于灰度图像,可以使用以下公式进行亮度调整: ``` I_new = a * I_old + b ``` 其中,I_old是原始图像中的像素值,I_new是调整后的像素值,a和b是调整系数。 2. 调整亮度通道:对图像中的不同通道进行亮度调整,从而提高图像的亮度。例如,对于RGB图像,可以将R、G、B通道中的像素值分别进行加法或乘法操作,从而实现亮度调整。 增强图像对比度(Contrast Enhancement)通常使用以下两种方式实现: 1. 直方图均衡化:直方图均衡化是一种常用的增强图像对比度的方法,可以通过对图像的像素值进行统计分析,将像素值转换为更适合显示的值,从而提高图像的对比度。 2. 自适应直方图均衡化:自适应直方图均衡化是一种基于直方图均衡化的改进方法,可以对图像中的不同区域进行自适应的直方图均衡化,从而提高图像的对比度。 在Python中,可以使用OpenCV库实现图像增广中的亮度和对比度增强操作。示例代码如下: ```python import cv2 import numpy as np # 读取图像 img = cv2.imread('image.jpg') # 增强亮度 a = 1.5 # 增强系数 b = 50 # 偏移量 img_bright = np.uint8(np.clip((a * img + b), 0, 255)) # 增强对比度 clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img_contrast = clahe.apply(img_gray) # 显示图像 cv2.imshow('Original Image', img) cv2.imshow('Brightness Enhanced Image', img_bright) cv2.imshow('Contrast Enhanced Image', img_contrast) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上述示例代码中,使用cv2.imread()方法读取原始图像,然后分别使用亮度增强和对比度增强的方法对图像进行处理,最后使用cv2.imshow()方法显示处理后的图像。需要注意的是,不同的图像增广方法可能会对模型的训练效果产生不同的影响,需要根据具体应用场景进行选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值