tensorflow实现数据增强(随机裁剪、翻转、对比度设置、亮度设置)

数据增强(Data Augmentation)：是指对图片进行随机的旋转、翻转、裁剪、随机设置图片的亮度和对比度以及对数据进行标准化(数据的均值为0，方差为1)。通过这些操作，我们可以获得更多的图片样本，原来的一张图片可以变为多张图片，扩大了样本容量，对于提高模型的准确率和提升模型的泛化能力非常有帮助，在进行数据增强的同时也会需要消耗大量的系统资源。

利用opencv来读取图片，然后利用tensorflow来对图片进行增强处理，最后再通过matplotlib来显示图片，需要注意的是matplotlib显示图片的时候是使用RGB通道顺序来显示图片，而opencv则是采用BGR的顺序来处理图片的，所以在对图片进行imshow之前需要先进行通道转换。

1、随机裁剪

原始图片的大小为300×300，将图片随机裁剪为280×280，通道大小不变。

import tensorflow as tf
import cv2
import matplotlib.pyplot as plt
#用来正常显示中文
plt.rcParams["font.sans-serif"]=["SimHei"]

if __name__ == "__main__":
    img = cv2.imread("img/img.jpg")
    #将图片进行随机裁剪为280×280
    crop_img = tf.random_crop(img,[280,280,3])
    sess = tf.InteractiveSession()
    #显示图片
    # cv2.imwrite("img/crop.jpg",crop_img.eval())
    plt.figure(1)
    plt.subplot(121)
    #将图片由BGR转成RGB
    img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    plt.imshow(img)
    plt.title("原始图片")
    plt.subplot(122)
    crop_img = cv2.cvtColor(crop_img.eval(),cv2.COLOR_BGR2RGB)
    plt.title("裁剪后的图片")
    plt.imshow(crop_img)
    plt.show()
    sess.close()

2、随机翻转

对图片的水平方向和垂直方向进行随机翻转。

    img = cv2.imread("img/img.jpg")
    #将图片随机进行水平翻转
    h_flip_img = tf.image.random_flip_left_right(img)
    #将图片随机进行垂直翻转
    v_flip_img = tf.image.random_flip_up_down(img)
    sess = tf.InteractiveSession()
    #通道转换
    img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    h_flip_img = cv2.cvtColor(h_flip_img.eval(),cv2.COLOR_BGR2RGB)
    v_flip_img = cv2.cvtColor(v_flip_img.eval(),cv2.COLOR_BGR2RGB)
    #显示图片
    plt.figure(1)
    plt.subplot(131)
    plt.title("水平翻转")
    plt.imshow(h_flip_img)
    plt.subplot(132)
    plt.title("垂直翻转")
    plt.imshow(v_flip_img)
    plt.subplot(133)
    plt.title("原始图片")
    plt.imshow(img)
    plt.show()

3、随机亮度、对比度、色度、饱和度的设置

    #随机设置图片的亮度
    random_brightness = tf.image.random_brightness(img,max_delta=30)
    #随机设置图片的对比度
    random_contrast = tf.image.random_contrast(img,lower=0.2,upper=1.8)
    #随机设置图片的色度
    random_hue = tf.image.random_hue(img,max_delta=0.3)
    #随机设置图片的饱和度
    random_satu = tf.image.random_saturation(img,lower=0.2,upper=1.8)

4、图片的标准化

标准化后图片的均值为0，方差为1

    img = cv2.imread("img/img.jpg")
    #将图片进行标准化
    std_img = tf.image.per_image_standardization(img)
    sess = tf.InteractiveSession()
    print(std_img.eval())