いくつかの基本的な画像強調方法、バッチ処理の彩度、ノイズ、コントラスト、その他の調整

画像を効率的に処理し、トレーニングセットの数を拡張し、トレーニングの精度を向上させるのに役立ちます。

1. コントラスト、シャープネス、明るさ

from PIL import Image
from PIL import ImageEnhance
import os

rootdir = r'/media/jidong/code/zdata/val'  # 指明被遍历的文件夹
for parent, dirnames, filenames in os.walk(rootdir):
    for filename in filenames:
        currentPath = os.path.join(parent, filename)
        im = Image.open(currentPath)
        print(filename)
        # enh_con = ImageEnhance.Contrast(im)  # 增加对比度
        # image_contrasted = enh_con.enhance(0.5)
        # newname1 = r"/media/jidong/code/zdata/tr-duib/" + filename
        # image_contrasted.save(newname1)

        # enh_sha = ImageEnhance.Sharpness(im)  # 增加锐度
        # image_sharped = enh_sha.enhance(3.0)
        # newname2 = r"/media/jidong/code/zdata/vl-sha/" + filename
        # image_sharped.save(newname2)

        # 增加亮度
        enh_bri = ImageEnhance.Brightness(im)
        image_brightened = enh_bri.enhance(0.5)
        newname3 = r"/media/jidong/code/zdata/vl-brig/" + filename
        image_brightened.save(newname3)
        #
        # enh_col = ImageEnhance.Color(im_rotate)  # 增加色度 但是有问题,
        # image_colored = enh_col.enhance(1.5)
        # newname4 = r"/home/qxq/Desktop/eyedata_final/mask/brighten/" + 'Col_' + filename
        # image_contrasted.save(newname4)

        j = 0

2. ソルトアンドペッパーノイズ、ガウスノイズ

import os
import cv2
import numpy as np
import random


def sp_noise(noise_img, proportion):
    '''
    添加椒盐噪声
    proportion的值表示加入噪声的量，可根据需要自行调整
    return: img_noise
    '''
    height, width = noise_img.shape[0], noise_img.shape[1]#获取高度宽度像素值
    num = int(height * width * proportion) #一个准备加入多少噪声小点
    for i in range(num):
        w = random.randint(0, width - 1)
        h = random.randint(0, height - 1)
        if random.randint(0, 1) == 0:
            noise_img[h, w] = 0
        else:
            noise_img[h, w] = 255
    return noise_img


def gaussian_noise(img, mean, sigma):
    '''
    此函数用将产生的高斯噪声加到图片上
    传入:
        img   :  原图
        mean  :  均值
        sigma :  标准差
    返回:
        gaussian_out : 噪声处理后的图片
    '''
    # 将图片灰度标准化
    img = img / 255
    # 产生高斯 noise
    noise = np.random.normal(mean, sigma, img.shape)
    # 将噪声和图片叠加
    gaussian_out = img + noise
    # 将超过 1 的置 1，低于 0 的置 0
    gaussian_out = np.clip(gaussian_out, 0, 1)
    # 将图片灰度范围的恢复为 0-255
    gaussian_out = np.uint8(gaussian_out*255)
    # 将噪声范围搞为 0-255
    # noise = np.uint8(noise*255)
    return gaussian_out# 这里也会返回噪声，注意返回值


def convert(input_dir, output_dir):
    for filename in os.listdir(input_dir):
        path = input_dir + "/" + filename  # 获取文件路径
        print("doing... ", path)
        noise_img = cv2.imread(path)  # 读取图片
        # img_noise = gaussian_noise(noise_img, 0, 0.1)  # 高斯噪声
        img_noise = sp_noise(noise_img, 0.05)# 椒盐噪声
        # img_noise  = random_noise(noise_img,500)# 随机噪声
        cv2.imwrite(output_dir+'/'+filename, img_noise)


if __name__ == '__main__':
    input_dir = "/media/jidong/code/zdata/val"    # 输入数据文件夹
    output_dir = "/media/jidong/code/zdata/vl-jzao"   # 输出数据文件夹
    convert(input_dir, output_dir)

3. フリップ

# -*- coding: UTF-8 -*-

from PIL import Image
import os

# 获得文件夹下所有文件
filePath = '/media/jidong/code/shilidata/val/'
filenames = os.listdir(filePath)

# 指定保存的文件夹
outputPath = '/media/jidong/code/shilidata/vl-fan/'

# 迭代所有图片
for filename in filenames:
    # 读取图像
    im = Image.open(filePath + filename)

    # 指定逆时针旋转的角度
    im_rotate = im.rotate(180)

    # 保存图像
    im_rotate.save(outputPath + filename)

4. 彩度

import numpy as np
import cv2
import os

# 调整最大值
MAX_VALUE = 100


def update(input_img_path, output_img_path, lightness, saturation):
    """
    用于修改图片的亮度和饱和度
    :param input_img_path: 图片路径
    :param output_img_path: 输出图片路径
    :param lightness: 亮度
    :param saturation: 饱和度
    """

    # 加载图片 读取彩色图像归一化且转换为浮点型
    image = cv2.imread(input_img_path, cv2.IMREAD_COLOR).astype(np.float32) / 255.0

    # 颜色空间转换 BGR转为HLS
    hlsImg = cv2.cvtColor(image, cv2.COLOR_BGR2HLS)

    # 1.调整亮度（线性变换)
    hlsImg[:, :, 1] = (1.0 + lightness / float(MAX_VALUE)) * hlsImg[:, :, 1]
    hlsImg[:, :, 1][hlsImg[:, :, 1] > 1] = 1
    # 饱和度
    hlsImg[:, :, 2] = (1.0 + saturation / float(MAX_VALUE)) * hlsImg[:, :, 2]
    hlsImg[:, :, 2][hlsImg[:, :, 2] > 1] = 1
    # HLS2BGR
    lsImg = cv2.cvtColor(hlsImg, cv2.COLOR_HLS2BGR) * 255
    lsImg = lsImg.astype(np.uint8)
    cv2.imwrite(output_img_path, lsImg)


dataset_dir = '/media/jidong/code/zdata/val'
output_dir = '/media/jidong/code/zdata/vl-baoh'

# 这里调参！！！
lightness = int(input("lightness(亮度-100~+100):"))  # 亮度
saturation = int(input("saturation(饱和度-100~+100):"))  # 饱和度

# 获得需要转化的图片路径并生成目标路径
image_filenames = [(os.path.join(dataset_dir, x), os.path.join(output_dir, x))
                   for x in os.listdir(dataset_dir)]
# 转化所有图片
for path in image_filenames:
    update(path[0], path[1], lightness, saturation)

CVPR、ICCV、その他の一流の会議や雑誌が早期に出版されることを願っています。

さあ、さあ、さあ！！！！！

いくつかの基本的な画像強調方法、バッチ処理の彩度、ノイズ、コントラスト、その他の調整

おすすめ