图像处理和数据增强

Posted 2023-04-15

参考技术A 前言：用CNN进行训练模型的时候，通常需要对图像进行处理，有时候也叫做数据增强，常见的图像处理的Python库：OpenCV、PIL、matplotlib、tensorflow等，这里用TensorFlow介绍图像处理的过程

进行图像的读取和解码，然后调用函数进行展示

结果如下：
图片的大小为：(512, 512, 3)

结果：
图片的大小为：(20, 20, 3)

注意：当放大时候，几乎图像不失真

上述为中间位置剪切或者填充，下面介绍任意位置剪切或者填充

这样就可以截取任意图像里面的内容了

下面的图像处理归结到数据增强里面了

当训练数据有限的时候，可以通过一些变换来从已有的训 练数据集中生成一些新的数据，来扩大训练数据。数据增强的方法有：

以水平面为对称轴如下：

转置，相当于矩阵的转置,90度转换

注意：颜色空间的转换必须讲image的值转换为float32类型，不能使用unit8类型
图像基本格式：
rgb（颜色）0-255,三个255为白色，转化为float32就是把区间变为0-1
hsv（h: 图像的色彩/色度，s:图像的饱和度，v：图像的亮度）
grab（灰度）

这样的方法，可以运用到车牌设别的过程中，对车牌自动进行截取。

高斯噪声、模糊处理

样本不均衡即有些类别图像特别多，有些特别少。类别不平衡数据的处理：Label shuffle
具体步骤如下图所示：
先按最多的类别进行随机抽取序号，组数为label的数目，然后对每个label中的样本书取模，然后分别对应自己序号的图像，最后得到的样本所有类别都一样多。

《计算机视觉和图像处理简介 - 中英双语 + 代码实践版》：数据增强在计算机视觉中的作用-Data Augmentation

文章大纲

• 前置准备 Preparation
• 数据加载 Load Data: 使用随机仿射变换进行数据增强
• 创建CNN 模型
• 正则化数据 Regular Data
• • Analyze Results
• 旋转训练数据 Rotated Training Data
• • Analyze Results
• 总结 Summary

---

数据增强Data Augmentation

在本文中，我们用规则数据和增强数据训练卷积神经网络。本文的目的是证明增强数据提高了泛化性能。

we will train a Convolutional Neural Network with Regular data and Augmented data. The purpose of this article is to show that the Augmented data improves generalization performance.

想象一个场景，无人机必须拍摄物体的照片。无人机在移动，物体也可能在移动。当拍摄图像时，我们并不总是会得到完美的图像。对象可能没有在图像中完全居中，或者对象可能在图像中旋转。在这种情况下&#