? ? ? ?在進行深度學習訓練的時候，我們往往會面臨數據集不夠的情況，需要進行數據集的擴充，數據集的擴充有多種多樣的方式，在這里總結了7種數據擴充的方法對數據進行數據增強，包括：亮度增強，對比度增強，翻轉圖像，仿射變化擴充圖像，錯切變化擴充圖像，HSV數據增強7種方法對數據進行增強。

前四種方式很好理解，仿射變化和錯切變化的原理請參考：

數據增廣：旋轉，縮放，平移以及錯切_太陽花的小綠豆的博客-CSDN博客

HSV數據增強的原理請參考：

HSV模型簡介以及利用HSV模型隨機增強圖像_太陽花的小綠豆的博客-CSDN博客_hsv模型

廢話少說，我們直接貼代碼：以下代碼的操作均為批量操作

在我們進行數據擴充之前，我們面臨一個問題就是，我們收集的圖片可能存在不同種格式的例如：png jpg bmp等，為了更好的進行數據擴充，我們首先需要將圖片統一調整為jpg格式的。

代碼如下：

import cv2 as cv import osdata = ('begin')#輸入放置圖片的文件夾，當前文件夾下 新建個文件夾，放入即可這里寫文件夾的名字 daddir = './'old_path = daddir + data + '\\' new_path = 'jpg'#新文件夾用來存儲轉換之后的圖片的 當前文件夾下 新建個文件夾，放入即可這里寫文件夾的名字 if not os.path.exists(new_path):os.mkdir(new_path) print('開始轉換' ) print('轉換后的文件存入 ' + new_path + '文件夾中')path_list = os.listdir(old_path) path_list.sort() for filename in path_list:portion = os.path.splitext(filename)src = cv.imread(old_path + filename)cv.imwrite(new_path + '\\' + portion[0] + '.jpg', src)print('轉換完畢，文件已經存入 ' + new_path + ' 中')

在代碼的當前文件夾下，新建一個名為begin的文件夾用于存放需要轉換的圖片，新建一個名為jpg的文件夾用于存放轉換后的圖片。

當我們將所有圖片都轉換為jpg格式之后，我們就可以開始進行數據擴充了，我們根據七種數據擴充方法，對數據集進行擴充，每種方法擴充一張相當于七種方法可以使得原來的數據集擴充七倍。

代碼如下：

import math import cv2 import numpy from PIL import ImageEnhance import os import numpy as np from PIL import Imagedef brightnessEnhancement(root_path,img_name):#亮度增強image = Image.open(os.path.join(root_path, img_name))enh_bri = ImageEnhance.Brightness(image)# brightness = 1.1+0.4*np.random.random()#取值范圍1.1-1.5brightness = 1.5image_brightened = enh_bri.enhance(brightness)return image_brighteneddef contrastEnhancement(root_path, img_name): # 對比度增強image = Image.open(os.path.join(root_path, img_name))enh_con = ImageEnhance.Contrast(image)# contrast = 1.1+0.4*np.random.random()#取值范圍1.1-1.5contrast = 1.5image_contrasted = enh_con.enhance(contrast)return image_contrasteddef rotation(root_path, img_name):img = Image.open(os.path.join(root_path, img_name))random_angle = np.random.randint(-2, 2)*90if random_angle==0:rotation_img = img.rotate(-90) #旋轉角度else:rotation_img = img.rotate( random_angle) # 旋轉角度# rotation_img.save(os.path.join(root_path,img_name.split('.')[0] + '_rotation.jpg'))return rotation_imgdef flip(root_path,img_name): #翻轉圖像img = Image.open(os.path.join(root_path, img_name))filp_img = img.transpose(Image.FLIP_LEFT_RIGHT)# filp_img.save(os.path.join(root_path,img_name.split('.')[0] + '_flip.jpg'))return filp_imgdef fangshe_bianhuan(root_path,img_name): #仿射變化擴充圖像img = Image.open(os.path.join(root_path, img_name))img = cv2.cvtColor(numpy.asarray(img) , cv2.COLOR_RGB2BGR)h, w = img.shape[0], img.shape[1]m = cv2.getRotationMatrix2D(center=(w // 2, h // 2), angle=-30, scale=0.5)r_img = cv2.warpAffine(src=img, M=m, dsize=(w, h), borderValue=(0, 0, 0))r_img = Image.fromarray(cv2.cvtColor(r_img, cv2.COLOR_BGR2RGB))return r_imgdef cuoqie(root_path,img_name): #錯切變化擴充圖像img = Image.open(os.path.join(root_path, img_name))img = cv2.cvtColor(numpy.asarray(img) , cv2.COLOR_RGB2BGR)h, w = img.shape[0], img.shape[1]origin_coord = np.array([[0, 0, 1], [w, 0, 1], [w, h, 1], [0, h, 1]])theta = 30 # shear角度tan = math.tan(math.radians(theta))# x方向錯切m = np.eye(3)m[0, 1] = tanshear_coord = (m @ origin_coord.T).T.astype(np.int)shear_img = cv2.warpAffine(src=img, M=m[:2],dsize=(np.max(shear_coord[:, 0]), np.max(shear_coord[:, 1])),borderValue=(0, 0, 0))c_img = Image.fromarray(cv2.cvtColor(shear_img, cv2.COLOR_BGR2RGB))return c_imgdef hsv(root_path,img_name):#HSV數據增強h_gain , s_gain , v_gain = 0.5 , 0.5 , 0.5img = Image.open(os.path.join(root_path, img_name))img = cv2.cvtColor(numpy.asarray(img) , cv2.COLOR_RGB2BGR)r = np.random.uniform(-1, 1, 3) * [h_gain, s_gain, v_gain] + 1 # random gainshue, sat, val = cv2.split(cv2.cvtColor(img, cv2.COLOR_BGR2HSV))dtype = img.dtype # uint8x = np.arange(0, 256, dtype=np.int16)lut_hue = ((x * r[0]) % 180).astype(dtype)lut_sat = np.clip(x * r[1], 0, 255).astype(dtype)lut_val = np.clip(x * r[2], 0, 255).astype(dtype)img_hsv = cv2.merge((cv2.LUT(hue, lut_hue), cv2.LUT(sat, lut_sat), cv2.LUT(val, lut_val))).astype(dtype)aug_img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)aug_img = Image.fromarray(cv2.cvtColor(aug_img, cv2.COLOR_BGR2RGB))return aug_imgdef createImage(imageDir,saveDir):#主函數，7種數據擴充方式，每種擴充一張i=0for name in os.listdir(imageDir):i=i+1saveName="cesun"+str(i)+".jpg"saveImage=contrastEnhancement(imageDir,name)saveImage.save(os.path.join(saveDir,saveName))saveName1 = "flip" + str(i) + ".jpg"saveImage1 = flip(imageDir,name)saveImage1.save(os.path.join(saveDir, saveName1))saveName2 = "brightnessE" + str(i) + ".jpg"saveImage2 = brightnessEnhancement(imageDir, name)saveImage2.save(os.path.join(saveDir, saveName2))saveName3 = "rotate" + str(i) + ".jpg"saveImage = rotation(imageDir, name)saveImage.save(os.path.join(saveDir, saveName3))saveName4 = "fangshe" + str(i) + ".jpg"saveImage = fangshe_bianhuan(imageDir, name)saveImage.save(os.path.join(saveDir, saveName4))saveName5 = "cuoqie" + str(i) + ".jpg"saveImage = cuoqie(imageDir, name)saveImage.save(os.path.join(saveDir, saveName5))saveName6 = "hsv" + str(i) + ".jpg"saveImage = hsv(imageDir, name)saveImage.save(os.path.join(saveDir, saveName6))imageDir="jpg" #要改變的圖片的路徑文件夾 在當前文件夾下，建立文件夾即可 saveDir="kuochong" #數據增強生成圖片的路徑文件夾 print('文件的初始文件夾為：' + imageDir) print('----------------------------------------') print('文件的轉換后存入的文件夾為：' + saveDir) print('----------------------------------------') print('開始轉換') print('----------------------------------------') createImage(imageDir,saveDir) print('----------------------------------------') print("數據擴充完成")

在代碼的當前文件夾下，新建一個名為kuochong的文件夾用來存放擴充之后的數據集。轉換成功之后即可得到增強之后的數據集。

圖像縮放，我們采集的數據圖片大小很多時候是不固定尺度的，但是神經網絡的輸入一般都是固定尺度的，因此我們需要將所有的圖片縮放到統一大小的才能打入網絡進行訓練。

圖片縮放代碼：

import os import cv2# 原圖片存放文件夾 olapath = r'resize_begin' # 修改后存放文件夾 newpath = r'resize_end\\' # 讀文件夾下所有圖片名稱 data = os.listdir(olapath)print('----------------------------------------') print("開始修改尺寸！") print('----------------------------------------') for image in data:img = cv2.imread(olapath + "\\" + image)H, W = img.shape[0], img.shape[1]width = 120 #需要縮放成多大，這里直接修改就行，我這里是縮放成120*120，根據自己的需要修改成響應的數值即可height = 120img = cv2.resize(img, (width, height), interpolation=cv2.INTER_AREA)# 保存圖片cv2.imwrite(newpath + image, img)print("尺寸修改完畢！") print('----------------------------------------')

代碼下載鏈接：

鏈接：https://pan.baidu.com/s/1CIu1QkNvNsR_7W5LE2Mgbg?
提取碼：kp2r

有用的話麻煩點一下關注，博主后續會開源更多代碼，非常感謝支持！

總結

以上是生活随笔為你收集整理的深度学习数据增强方法-内含（亮度增强，对比度增强，旋转图图像，翻转图像，仿射变化扩充图像，错切变化扩充图像，HSV数据增强）七种方式进行增强-每种扩充一张实现7倍扩）+ 图像缩放代码-批量的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。