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


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

图像+预处理+数据增强+总结

数据增强利器--Augmentor

gan如何做图像增强

图像预处理和数据增强应该如何用于语义分割?

图像处理和数据增强

《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