隨機(jī)旋轉(zhuǎn)

隨機(jī)旋轉(zhuǎn)是一種圖像增強(qiáng)技術(shù)，它通過(guò)將圖像以隨機(jī)角度進(jìn)行旋轉(zhuǎn)來(lái)增加數(shù)據(jù)的多樣性，從而幫助改善模型的魯棒性和泛化能力。這在訓(xùn)練深度學(xué)習(xí)模型時(shí)尤其有用，可以使模型更好地適應(yīng)各種角度的輸入。

原圖像：

旋轉(zhuǎn)后的圖像：

?代碼實(shí)現(xiàn)：

import cv2import numpy as npdef random_rotate(image, max_angle):angle = np.random.uniform(-max_angle, max_angle)height, width = image.shape[:2]rotation_matrix = cv2.getRotationMatrix2D((width / 2, height / 2), angle, 1)rotated_image = cv2.warpAffine(image, rotation_matrix, (width, height))return rotated_image# 讀取圖像
image = cv2.imread('input.jpg')
image=cv2.resize(image,(1024,800))
# 隨機(jī)旋轉(zhuǎn)圖像
max_rotation_angle = 30 ?# 最大旋轉(zhuǎn)角度
rotated_image = random_rotate(image, max_rotation_angle)# 顯示原始圖像和旋轉(zhuǎn)后的圖像
cv2.imshow('Original Image', image)
cv2.imshow('Rotated Image', rotated_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

隨機(jī)裁剪

隨機(jī)裁剪是一種常見的數(shù)據(jù)增強(qiáng)技術(shù)，用于增加訓(xùn)練數(shù)據(jù)的多樣性，特別是在處理不同尺寸的圖像數(shù)據(jù)時(shí)。

原圖像：

隨機(jī)裁剪后的圖像：

?代碼實(shí)現(xiàn)：

import cv2
import numpy as np
def random_crop(image, crop_size):height, width = image.shape[:2]crop_height, crop_width = crop_sizeif crop_width >= width or crop_height >= height:raise ValueError("Crop size should be smaller than image size")x = np.random.randint(0, width - crop_width + 1)y = np.random.randint(0, height - crop_height + 1)cropped_image = image[y:y+crop_height, x:x+crop_width]return cropped_image# 讀取圖像
image = cv2.imread('input.jpg')
image=cv2.resize(image,(1024,800))
# 隨機(jī)裁剪到固定大小
crop_size = (200, 200) ?# 裁剪尺寸
cropped_image = random_crop(image, crop_size)# 顯示原始圖像和裁剪后的圖像
cv2.imshow('Original Image', image)
cv2.imshow('Cropped Image', cropped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

顏色增強(qiáng)：

• 顏色平衡調(diào)整：調(diào)整圖像中不同顏色通道的增益，以改變圖像的顏色平衡。
• 顏色增強(qiáng)：通過(guò)增加或減少顏色通道的值，增強(qiáng)圖像的色彩鮮艷度。

原圖像：

?亮度調(diào)整之后的圖像：

?代碼實(shí)現(xiàn)：

def enhance_color(image, alpha, beta):enhanced_image = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)return enhanced_imageimage = cv2.imread('input.jpg')
color_enhanced_image = enhance_color(image, 1.2, 20)

亮度和對(duì)比度調(diào)整：

• 亮度調(diào)整：改變圖像的亮度水平，使圖像變得更亮或更暗。
• 對(duì)比度調(diào)整：調(diào)整圖像中像素值的范圍，以擴(kuò)展或縮小亮度差異，使圖像更具視覺對(duì)比度。

原圖：

?

?亮度、對(duì)比度調(diào)整后的圖像：

代碼實(shí)現(xiàn)：

import cv2def adjust_brightness_contrast(image, alpha, beta):adjusted_image = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)return adjusted_imageimage = cv2.imread('input.jpg')
brightened_image = adjust_brightness_contrast(image, 1.2, 20)

圖像平滑與銳化：

• 圖像平滑：應(yīng)用模糊濾波器來(lái)減少圖像中的噪聲，同時(shí)也可能使圖像變得模糊。
• 圖像銳化：通過(guò)增強(qiáng)圖像中的邊緣和細(xì)節(jié)，使圖像看起來(lái)更清晰。

?原圖：

平滑后的圖像：

?銳化后的圖像：

代碼實(shí)現(xiàn)：

def apply_image_smoothing(image):smoothed_image = cv2.GaussianBlur(image, (5, 5), 0)return smoothed_imagedef apply_image_sharpening(image):kernel = np.array([[-1, -1, -1],[-1,  9, -1],[-1, -1, -1]])sharpened_image = cv2.filter2D(image, -1, kernel)return sharpened_imageimage = cv2.imread('input.jpg')
smoothed_image = apply_image_smoothing(image)
sharpened_image = apply_image_sharpening(image)