Task 2 数据读取与数据扩增

数据读取 
数据扩增方法 
Pytorch读取赛题数据

2.2图像读取:

在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。

2.2.1 Pillow

Pillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。

Pillow的官方文档：https://pillow.readthedocs.io/en/stable/

from PIL import Image,imageFilter #导入Pillo库
im =Image.open(cat.jpg’) # 读取图片

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
#打开一个jpg图像文件，注意是当前路径
im = Image.open(‘cat.jpg’)

im.thumbnail((w//2,h//2))
im.save(‘thumbnail.jpg’,‘jpeg’)

2.2.2. OpenCV

OpenCV是一个跨平台的计算机视觉库，最早由Intel开源得来。OpenCV发展的非常早，拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能上比Pillow更加强大很多，学习成本也高很多。
OpenCV包含了众多的图像处理的功能，OpenCV包含了你能想得到的只要与图像相关的操作。此外OpenCV还内置了很多的图像特征处理算法，如关键点检测、边缘检测和直线检测等。
OpenCV官网：https://opencv.org/
OpenCV Github：https://github.com/opencv/opencv
OpenCV 扩展算法库：https://github.com/opencv/opencv_contrib

import cv2 #导入Opencv库
img = cv2.imread(‘cat.jpg’)
#Opencv默认颜色通道顺序是BRG，转换一下
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

import cv2 #导入Opencv库
img = cv2.imread(‘cat.jpg’)
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#转换为灰度图

#Canny边缘检测
edges = cv2.Canny(img, 30, 70)
cv2.imwrite(‘canny.jpg’, edges)

2.3 数据扩增方法

数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。

2.3.1数据扩增为什么有用？

1、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，一般的模型可训练的参数量基本上都是万到百万级别，而训练集样本的数量很难有这么多。
2、其次数据扩增可以扩展样本空间，假设现在的分类模型需要对汽车进行分类，左边的是汽车A，右边为汽车B。如果不使用任何数据扩增方法，深度学习模型会从汽车车头的角度来进行判别，而不是汽车具体的区别。

2.3.2 有哪些数据扩增的方法

数据扩增方法有很多：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。

#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

#在本次赛题中，赛题任务是需要对图像中的字符进行识别，因此对于字符图片并不能进行翻转操作。比如字符6经过水平翻转就变成了字符9，会改变字符原本的含义。

2.3.2 常用的数据扩增库

1、torchvision
pytorch官方提供的数据扩增库，提供了基本的数据数据扩增方法，可以无缝与torch进行集成；但数据扩增方法种类较少，且速度中等；

2、imgaug
mgaug是常用的第三方数据扩增库，提供了多样的数据扩增方法，且组合起来非常方便，速度较快；

3、albumentations
是常用的第三方数据扩增库，提供了多样的数据扩增方法，对图像分类、语义分割、物体检测和关键点检测都支持，速度较快。

2.4 Pytorch 读取数据

由于本次赛题我们使用Pytorch框架讲解具体的解决方案，接下来将是解决赛题的第一步使用Pytorch读取赛题数据。
在Pytorch中数据是通过Dataset进行封装，并通过DataLoder进行并行读取。所以我们只需要重载一下数据读取的逻辑就可以完成数据的读取。

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

from PIL import Image
import numpy as np

import torch
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.arry(lbl[:5]))
    
    def __len__(self):
        return len(self.img_path)
    
    
train_path = glob.glob(r'D:\study\cv\mchar_train\*.png')
train_path.sort()
train_json = json.load(open(r'D:\study\cv\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)),
                      
                      #随机颜色变换
                      transforms.ColorJitter(0.2,0.2,0.2),
                      
                      #加入随机旋转
                      transforms.RandomRotation(5),
                      
                      #将图片转换为pytorch 的tesntor
                      # transforms.ToTensor(),
                      
                      #将图像像素进行归一化
                      #transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
                  ]))

通过上述代码，可以将赛题的图像数据和对应标签进行读取，在读取过程中的进行数据扩增，效果如下所示：

接下来我们将在定义好的Dataset基础上构建DataLoder:
Dataset：对数据集的封装，提供索引方式的对数据样本进行读取
DataLoder：对Dataset进行封装，提供批量读取的迭代读取

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.arry(lbl[:5]))
    
    def __len__(self):
        return len(self.img_path)
    
    
train_path = glob.glob(r'D:\study\cv\mchar_train\*.png')
train_path.sort()
train_json = json.load(open(r'D:\study\cv\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([
                       transforms.Resize((65,128)),
                       transforms.ColorJitter(0.3,0.3,0.2),
                       transforms.RandomRotation(5),
                       transforms.ToTensor(),
                       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=10 #读取的线程个数
)
        

for data in train_loader:
    break