「详解」imgaug 图像增强方法

这篇具有很好参考价值的文章主要介绍了「详解」imgaug 图像增强方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、Imgaug简介

imgaug 是一个比torchvision更强大的数据增强工具包,这不仅体现在数据增强类别上,也包括数据增强方法的使用。比如,imgaug不仅提供了一些常见的shape增强方法和color增强方法,例如旋转、对比度等,也提供了加雨、加雾这些增强方法。此外,imgaug也可以设置keypoint等,对比数据增强前后关键点未知的变化。

我在调研该工具包的时候实现了相关的代码,在对某一算法进行增强的时候,只需配置算法的增强方式,即可使用,同时支持图像分类和目标检测,增强效果相当,区别是对目标检测增强的时候产生的增强图会同时生成label标签文件。


二、Imgaug实践

2.1、原始图像

import imgaug.augmenters as iaa
import imgaug as ia

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.2、仿射变换

iaa.Affine(
    scale={"x": (0.6, 1.4), "y": (0.6, 1.4)},
    translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},
    rotate=(-20, 20),
    shear=(-16, 16),
    order=[0, 1],
    cval=(0, 255),
    mode="edge"
)

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.3、高斯模糊

iaa.GaussianBlur((2, 11)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.4、均值模糊

iaa.AverageBlur(k=(2, 11)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.5、中值模糊

iaa.MedianBlur(k=(11, 11)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.6、锐化

iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.7、丢弃像素

 iaa.Dropout((0.1, 0.5), per_channel=False),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.8、丢弃像素2

iaa.CoarseDropout(
        (0.02,0.10), size_percent=(0.15, 0.55),
        per_channel=False
    ),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.9、改变亮度

iaa.AddToBrightness((-100, 100)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.10、改变亮度2

iaa.Multiply((0.6,1.4),per_channel=0.2),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.11、生成遮挡

iaa.Cutout(nb_iterations=(1, 11), size=0.1, squared=False, fill_mode="constant", cval=0),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.12、调整对比度

iaa.contrast.LinearContrast((0.5, 3.0), per_channel=False),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.13、左右翻转

iaa.Fliplr(0.5),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.14、上下翻转

iaa.Flipud(0.5),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.15、大小缩放

iaa.Resize({"height": 100, "width": 100}),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.16、HSV对比度变换

iaa.WithColorspace(	to_colorspace="HSV",
				    from_colorspace="RGB",
				    children=iaa.WithChannels(0, iaa.Add((30, 100)))),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.17、色相调整

iaa.AddToHue((-50, 50)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.18、饱和度及色相调整

iaa.AddToHueAndSaturation((-100, 100), per_channel=True),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.19、饱和度调整

iaa.AddToSaturation((-100, 100)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.20、剪切

iaa.Crop(px=(0,150)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.21、剪切和填充

iaa.CropAndPad(px=None,
			   percent=None,
			   pad_mode='constant',
			   pad_cval=0,
			   keep_size=True,
			   sample_independently=True,
			   name=None,
			   deterministic=False,
			   random_state=None),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.22、添加高斯噪声

iaa.AdditiveGaussianNoise(loc=0,scale=(0.0,0.05*255),per_channel=False),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.23、伽马变换

iaa.GammaContrast(gamma=2*random2+1),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.24、sigmoid变换

iaa.SigmoidContrast(gain= random2+0.5),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.25、log变换

iaa.LogContrast(gain=2*random2+1),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.26、CLAHE

iaa.CLAHE(clip_limit=(1, random3*10)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.27、散焦模糊

iaa.imgcorruptlike.DefocusBlur(severity=1),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.28、运动模糊

iaa.MotionBlur(k=16),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.29、添加马赛克

iaa.CoarseSaltAndPepper(0.06, size_percent=(0.01, 0.1)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.30、浮雕效果锐化

iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.31、像素移动

iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.32、超像素

iaa.Superpixels(
    p_replace=(0, 1.0),
    n_segments=(20, 200)
)

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.33、翻转像素

iaa.Invert(0.15, per_channel=True),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.34、转换为一定比例的灰度图

Grayscale(alpha=(0.0, 1.0)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.35、边缘叠加

iaa.EdgeDetect(alpha=(0.2, 0.9)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.36、图形扭曲

iaa.PiecewiseAffine(scale=(0.01, 0.05)),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.37、下雨

iaa.Rain(drop_size=(0.025, 0.05), speed=(0.25, 0.05)),  # 雨
iaa.imgcorruptlike.Spatter(severity=1),  # 溅 123水滴、45泥
iaa.MotionBlur(k=3),  # 运动模糊

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.38、下雪

iaa.imgcorruptlike.Snow(severity=2),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.39、起雾

iaa.Clouds(),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.40、卡通

iaa.Cartoon(blur_ksize=3, segmentation_size=1.0, saturation=2.0, edge_prevalence=1.0),

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python

2.41、多种效果叠加

imgaug 亮度,#  Data Enhance,计算机视觉,目标检测,python文章来源地址https://www.toymoban.com/news/detail-635612.html

到了这里,关于「详解」imgaug 图像增强方法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • YOLO数据集实现数据增强的方法(裁剪、平移 、旋转、改变亮度、加噪声等)

    最近我在做论文实验时从MSCOCO数据集中筛选了符合条件的1260张图片,但数据样本太少了,于是我就利用数据增强的方法实现了带标签的样本扩充,最后扩充为7560张图片。本文就来记录一下过程,有不懂的地方欢迎留言噢~ 目录 前言 👥一、什么是数据增强 👥二、数据增强的

    2024年02月09日
    浏览(75)
  • 【计算机视觉】数字图像处理(四)—— 图像增强

    图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息,同时抑制一些不需要的信息,提高图像的使用价值。 图像增强方法 图像增强方法从增强的作用域出发,可

    2023年04月16日
    浏览(103)
  • 【计算机视觉】图像增强----图像的傅立叶变换

    个人简介:  📦个人主页:赵四司机 🏆学习方向:JAVA后端开发  ⏰往期文章:SpringBoot项目整合微信支付 🔔博主推荐网站:牛客网 刷题|面试|找工作神器 📣种一棵树最好的时间是十年前,其次是现在! 💖喜欢的话麻烦点点关注喔,你们的支持是我的最大动力。 目录 一:

    2024年02月04日
    浏览(36)
  • 图像处理与计算机视觉--第四章-图像滤波与增强-第二部分

    目录 1.图像噪声化处理与卷积平滑 2.图像傅里叶快速变换处理 3.图像腐蚀和膨胀处理 4 图像灰度调整处理 5.图像抖动处理算法    

    2024年02月07日
    浏览(40)
  • 计算机毕业分享(含算法) opencv图像增强算法系统

    今天学长向大家分享一个毕业设计项目 毕业设计 opencv图像增强算法系统 项目运行效果: 毕业设计 基于机器视觉的图像增强 项目获取: https://gitee.com/sinonfin/algorithm-sharing 直方图均衡化是通过调整图像的灰阶分布,使得在0~255灰阶上的分布更加均衡,提高了图像的对比度,达

    2024年01月18日
    浏览(44)
  • 图像处理与计算机视觉--第四章-图像滤波与增强-第一部分

    目录 1.灰度图亮度调整 2.图像模板匹配 3.图像裁剪处理 4.图像旋转处理 5.图像邻域与数据块处理

    2024年02月07日
    浏览(61)
  • openpnp - 相机图像亮度太高的解决方法

    看到同学在群里讨论问题, 说相机补光灯亮度太高了, 导致openpnp图像惨白惨白的, 根本不能用. 能根本解决问题的方法, 就是群里同学说的, 用恒压恒流降压模块, 将补光灯的电压降下来, 直到相机补光灯亮度合适, 使openpnp得到的相机图像正常可用. 如果手头没有合适的电源模块用

    2024年02月17日
    浏览(49)
  • 【计算机视觉】图像分割与特征提取——频域增强(低通滤波&高通滤波)

    个人简介:  📦个人主页:赵四司机 🏆学习方向:JAVA后端开发  ⏰往期文章:SpringBoot项目整合微信支付 🔔博主推荐网站:牛客网 刷题|面试|找工作神器 📣种一棵树最好的时间是十年前,其次是现在! 💖喜欢的话麻烦点点关注喔,你们的支持是我的最大动力。 前言:

    2024年01月15日
    浏览(50)
  • 【图像检测】计算机视觉地质断层结构的自动增强和识别【含Matlab源码 4026期】

    ✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。 🍎个人主页:海神之光 🏆代码获取方式: 海神之光Matlab王者学习之路—代码获取方式 ⛳️座右铭:行百里者,半于九十。 更多Matlab仿真内容点击👇 Matlab图像处理(进阶版) 路径规划

    2024年03月21日
    浏览(67)
  • 【图像检测】基于matlab计算机视觉地质断层结构的自动增强和识别【含Matlab源码 4026期】

    ✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。 🍎个人主页:海神之光 🏆代码获取方式: 海神之光Matlab王者学习之路—代码获取方式 ⛳️座右铭:行百里者,半于九十。 更多Matlab仿真内容点击👇 Matlab图像处理(进阶版) 路径规划

    2024年03月26日
    浏览(63)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包