图像分类技巧，图像增强——色彩增强篇

1、颜色倾斜：

此增强通过将每个通道乘以随机选择的系数来随机调整图像的色调、饱和度和亮度。系数从 [0：6;1：4] 范围内选择，以确保生成的图像不会太失真。

def color_skew(image):
    h, s, v = cv2.split(image)
    h = h * np.random.uniform(low=0, high=6)
    s = s * np.random.uniform(low=1, high=4)
    v = v * np.random.uniform(low=0, high=6)
    return cv2.merge((h, s, v))

 2、RGB 范数：

此增强通过从该通道中的值中减去每个通道的平均值并除以通道的标准偏差来规范图像的 RGB 通道。这有助于标准化图像中的值，并可以提高模型的性能。

def rgb_norm(image):
    r, g, b = cv2.split(image)
    r = (r - np.mean(r)) / np.std(r)
    g = (g - np.mean(g)) / np.std(g)
    b = (b - np.mean(b)) / np.std(b)
    return cv2.merge((r, g, b))

3、黑白：

此增强通过将图像转换为灰度色彩空间将图像转换为黑白图像。

def black_and_white(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

 4、Ben Graham：灰度+高斯模糊：

此增强将图像转换为灰度，并应用高斯模糊以平滑图像中的任何噪点或细节。

def ben_graham(image):
    image = cv2.cvtColor(image, cv2.COLOR_RGB2HSV)
    image = cv2.GaussianBlur(image, (5, 5), 0)
    return image

5、色相、饱和度、亮度：

此增强将图像转换为 HLS 色彩空间，从而将图像分为其色相、饱和度和亮度通道。

def hsb(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2HLS)

6、LUV 色彩空间：

此增强将图像转换为 LUV 色彩空间，该空间旨在实现感知均匀，并可实现更准确的色彩比较。

def luv(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2LUV)

7、Alpha 通道：

此增强功能会向图像添加 Alpha 通道，可用于透明效果。

def alpha_channel(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2RGBA)

8、YZ 色彩空间：

此增强将图像转换为 XYZ 色彩空间，XYZ 色彩空间是独立于设备的颜色空间，可实现更准确的色彩表示。

def xyz(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2XYZ)

9、亮度色度：

此增强将图像转换为 YCrCb 色彩空间，将图像分为亮度（亮度）和色度（颜色）通道。

def luma_chroma(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2YCrCb)

10、CIE Lab：

这种增强将图像转换为CIE Lab色彩空间，该空间旨在感知上均匀，并可实现更准确的颜色比较。

def cie_lab(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2Lab)

11、YUV 色彩空间：

此增强将图像转换为 YUV 色彩空间，从而将图像分为其亮度（亮度）和色度（颜色）通道。

def yuv(image):
    return cv2.cvtColor(image, cv2.COLOR_RGB2YUV)