Opencv常用数据增强方法:平移+旋转+缩放+模糊+光强+拉伸

数据增强中常用的方法有：镜像（flip）、旋转（rotation）、缩放（scale）、裁剪（crop）、平移（translation）、高斯噪声（gaussion noise）、图像亮度、饱和度和对比度变化

旋转

def rotate_func(image):
		cols,rows,_,=image.shape
		M=cv2.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),angle,1)
		#cv2.getRotationMarix2D(point2f center,double angle,double scale)
		#参数分别为:旋转中心,旋转角度,图像缩放因子
		dst=cv2.warpAffine(img,M,(cols,rows))
		#仿射变换其三个参数分别为:输入图像,变换矩阵,输出图像大小
		#保存图像
		return dst

def randomRotation(image, mode=Image.BICUBIC):
    """
     对图像进行随机任意角度(0~360度)旋转
    :param mode 邻近插值,双线性插值,双三次B样条插值(default)
    :param image PIL的图像image
    :return: 旋转转之后的图像
    """
    random_angle = np.random.randint(1, 360)
    return image.rotate(random_angle, mode)

翻转

#coding=utf-8
from PIL import Image
import os
import os.path
#图片的水平翻转
 
#创建文件夹
#os.mkdir(r'./38f')
#删除文件
#os.remove('./38/rotation.py')
#os.remove('./38/rotation.py~')
 
rootdir = r'/home/qxq/Desktop/eyedata/train/label/21/'  # 指明被遍历的文件夹
for parent, dirnames, filenames in os.walk(rootdir):
    for filename in filenames:
        print('parent is :' + parent)
        print('filename is :' + filename)
        currentPath = os.path.join(parent, filename)
        print('the fulll name of the file is :' + currentPath)
 
        im = Image.open(currentPath)
        out = im.transpose(Image.FLIP_LEFT_RIGHT)
        newname1 = r"/home/qxq/Desktop/eyedata/train/label/21f/" + 'L_' + filename
        out.save(newname1)
	    out1 = im.transpose(Image.FLIP_TOP_BOTTOM)
	    newname2 = r"/home/qxq/Desktop/eyedata/train/label/21f/" + 't_' + filename
        out1.save(newname2)

平移

    def randomShift(image):
    #def randomShift(image, xoffset, yoffset=None):
        """
        对图像进行平移操作
        :param image: PIL的图像image
        :param xoffset: x方向向右平移
        :param yoffset: y方向向下平移
        :return: 翻转之后的图像
        """
        random_xoffset = np.random.randint(0, math.ceil(image.size[0]*0.2))
        random_yoffset = np.random.randint(0, math.ceil(image.size[1]*0.2))
        #return image.offset(xoffset = random_xoffset, yoffset = random_yoffset)
        return image.offset(random_xoffset)

模糊

def darken_func(image):
    # .SMOOTH
    # .SMOOTH_MORE
    # .GaussianBlur(radius=2 or 1)
    # .MedianFilter(size=3)
    # 随机选取模糊参数
    filter_ = random.choice(
        [ImageFilter.SMOOTH,
         ImageFilter.SMOOTH_MORE,
         ImageFilter.GaussianBlur(radius=1.10)])
    image = image.filter(filter_)
    # image = img.resize((290,32))

    return image

光强

#coding=utf-8
from PIL import Image
from PIL import ImageEnhance
 
#读取图像
image= Image.open('test.gif')
image.show()
 
#增强亮度
enh_bri = ImageEnhance.Brightness(image)
brightness = 1.5
image_brightened = enh_bri.enhance(brightness)
image_brightened.show()
image.save("Bri_ｔｅｓｔ.gif") #保存
 
# 色度增强
enh_col = ImageEnhance.Color(image)
color = 1.5
image_colored = enh_col.enhance(color)
image_colored.show()
image.save("color_test.gif")
 
# 对比度增强
enh_con = ImageEnhance.Contrast(image)
contrast = 1.5
image_contrasted = enh_con.enhance(contrast)
image_contrasted.show()
image.save("contrast_test.gif")
 
# 锐度增强
enh_sha = ImageEnhance.Sharpness(image)
sharpness = 3.0
image_sharped = enh_sha.enhance(sharpness)
image_sharped.show()
image.save("sharpness_test.gif")

缩放

# 定义缩放resize函数
def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
	# 初始化缩放比例，并获取图像尺寸
	dim = None
	(h, w) = image.shape[:2]
 
	# 如果宽度和高度均为0，则返回原图
	if width is None and height is None:
		return image
 
	# 宽度是0
	if width is None:
		# 则根据高度计算缩放比例
		r = height / float(h)
		dim = (int(w * r), height)
 
	# 如果高度为0
	else:
		# 根据宽度计算缩放比例
		r = width / float(w)
		dim = (width, int(h * r))
 
	# 缩放图像
	resized = cv2.resize(image, dim, interpolation=inter)
 
	# 返回缩放后的图像
	return resized

总结

1. 在一般情况下， cv2.INTER_NEAREST速度最快，但质量不高。如果资源非常有限，可以考虑使用。否则不选这个，尤其在上采样（增加）图像的大小时。

2. 当增加（上采样）图像的大小时，可以考虑使用 cv2.INTER_LINEAR 和 cv2.INTER_CUBIC两种插值方法。 cv2.INTER_LINEAR 方法比 cv2.INTER_CUBIC 方法稍快，两个效果都不错。

3. 当减小（下采样）的图像的大小，OpenCV的文档建议使用 cv2.INTER_AREA。PS.我感觉其实下采样各种方法都差不多，取速度最快的（cv2.INTER_NEAREST）就好。

拉伸

# 字体拉伸函数
def stretching_func():
    pass

噪声

# 噪声函数
def random_noise_func():
    pass

补边操作

img_patch = cv2.copyMakeBorder(img_standard, 50, 50, 50, 50, cv2.BORDER_CONSTANT, value=(255, 0, 0))#top bottom left right

opencv读取图片
opencv读取图片的格式为BGR，根据需要转化为RGB

img = cv2.imread(path)--->BGR 
img = cv2.cvtColor(img,cv2.COLOR_BGR2RBG)#cv2.COLOR_RBG2BGR

灰度图

img = cv2.imread(path,0)
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

锐化

def custom_blur_demo(image):
    kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]], np.float32) #锐化
    dst = cv.filter2D(image, -1, kernel=kernel)
    cv.imshow("custom_blur_demo", dst)