基于python的数据集扩充增强 | 您所在的位置:网站首页 › 数据批量扩大 › 基于python的数据集扩充增强 |
前言
数据增强技术在深度学习中得到了广泛的应用,它能够有效地扩充训练数据集的大小,提高模型的泛化能力,同时也能够有效地防止过拟合现象的发生。在本篇中,将讲解一种基于 Python 和 OpenCV 库实现的数据增强方法,并提供一个示例代码。 首先,需要安装 OpenCV 库及其 Python 接口。OpenCV(Open Source Computer Vision Library)是一个开源计算机视觉库,提供了计算机视觉和机器视觉中常用的算法和工具。在 Python 中使用 OpenCV 库可以方便地对图像进行处理、分析和识别。 pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple 接下来,通过 Python 实现一个数据增强函数 augment_data(img),它将对输入的图像进行多种处理,包括水平翻转、缩放、旋转、添加高斯噪音和调整对比度和亮度等。 下面是具体的代码实现: 代码如下: import cv2 import numpy as np import os import glob # 数据增强函数 def augment_data(img): rows,cols,_ = img.shape # 水平翻转图像 if np.random.random() > 0.5: img = cv2.flip(img, 1) img_name = os.path.splitext(save_path)[0] + "_flip.png" cv2.imwrite(img_name, img) print("Saved augmented image:", img_name) # 随机缩放图像 scale = np.random.uniform(0.9, 1.1) M = cv2.getRotationMatrix2D((cols/2, rows/2), 0, scale) img_transformed = cv2.warpAffine(img, M, (cols, rows)) img_name = os.path.splitext(save_path)[0] + "_transform.png" cv2.imwrite(img_name, img_transformed) print("Saved augmented image:", img_name) # 随机旋转图像 angle = np.random.randint(-10, 10) M = cv2.getRotationMatrix2D((cols/2, rows/2), angle, 1) img_rotated = cv2.warpAffine(img, M, (cols, rows)) img_name = os.path.splitext(save_path)[0] + "_rotated.png" cv2.imwrite(img_name, img_rotated) print("Saved augmented image:", img_name) # 添加高斯噪音 mean = 0 std = np.random.uniform(5, 15) noise = np.zeros(img.shape, np.float32) cv2.randn(noise, mean, std) noise = np.uint8(noise) img_noisy = cv2.add(img, noise) img_name = os.path.splitext(save_path)[0] + "_noisy.png" cv2.imwrite(img_name, img_noisy) print("Saved augmented image:", img_name) # 随机调整对比度和亮度 alpha = np.random.uniform(0.8, 1.2) beta = np.random.randint(-10, 10) img_contrast = cv2.convertScaleAbs(img, alpha=alpha, beta=beta) img_name = os.path.splitext(save_path)[0] + "_contrast.png" cv2.imwrite(img_name, img_contrast) print("Saved augmented image:", img_name) return img # 读取 data 文件夹中的所有图片,并进行数据增强 data_dir = "data" save_dir = "result" if not os.path.exists(save_dir): os.makedirs(save_dir) # 使用 glob 库来遍历 data 文件夹中所有图像 for img_path in glob.glob(os.path.join(data_dir, "*.png")): img = cv2.imread(img_path) # 获取保存增强后的图片文件名 img_name = os.path.basename(img_path) save_path = os.path.join(save_dir, img_name) # 数据增强 augment_data(img) # 保存原始图片 cv2.imwrite(save_path, img) print("Saved original image:", save_path) 讲解首先,创建一个名为 result 的文件夹用于存储增强后的图像。然后,利用 glob 库对 data 文件夹中的所有图像进行遍历,并通过 cv2.imread 函数读取图像文件。获取保存增强后的图片的路径和文件名,这可以通过 os.path.basename 函数和 os.path.join 函数实现。接下来,调用 augment_data 函数对读取的图像进行数据增强,并保存增强后的图片。通过 OpenCV 库提供的 cv2.imwrite 函数,可以将增强后的每个图像保存为不同的文件,文件名中加入 _flip、_transform、_rotated、_noisy 和 _contrast 等后缀表示不同的增强方式。 综上,讲解了通过 Python 和 OpenCV 库实现了一个简单的数据增强方法。通过对图像进行水平翻转、缩放、旋转、添加噪音和调整对比度和亮度等操作,扩充了训练数据集的大小,用于提高了模型的泛化能力和鲁棒性。 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |