图像处理和数据增强
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了图像处理和数据增强相关的知识,希望对你有一定的参考价值。
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
- 旋转训练数据 Rotated Training Data
- 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&#
以上是关于图像处理和数据增强的主要内容,如果未能解决你的问题,请参考以下文章
《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