一、图像的自由缩放以及边缘剪裁
1、图像的扩缩裁挖
img = cv2.resize(dst,(m,n))
# 两个参数,第一个是目标图像,第二个是其缩减的比例
img = cv2.resize(dst)
patch_tree = img[m:n,k:g]
# 其中m:n k:g分别是图像截取空间的大小
2、图像色调的调整(HSV,H色调,S饱和度,V明暗度)
import cv2
img = cv2.imread("lena.jpg")
img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
turn_green_hsv = img_hsv.copy()
#饱和度
turn_green_hsv[:, :, 0] = (turn_green_hsv[:, :, 0] - 30) % 180
#明暗度
# turn_green_hsv[:, :, 0] = (turn_green_hsv[:, :, 0] - 30) % 0.6
turn_green_img = cv2.cvtColor(turn_green_hsv, cv2.COLOR_HSV2BGR)
cv2.imshow("texthsv", turn_green_img)
cv2.waitKey(0)
Gamma计算,虽然在Gamma变换主要是为了减少计算机视觉与人眼视觉的差距而做出的计算方式,但是在深度学习中,可以作为噪音修改的方式增大数据量
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = plt.imread("lena.jpg")
gamma_change = [np.power(x / 255, 0.4) * 255 for x in range(256)]
gamma_img = np.round(np.array(gamma_change)).astype(np.uint8)
img_corrected = cv2.LUT(img,gamma_img)
plt.subplot(121)
plt.imshow(img)
plt.subplot(122)
plt.imshow(img_corrected)
plt.show()
3、图像的旋转、平移和翻转
主要是通过仿射变换矩阵和函数warpAffine()完成
import cv2
import numpy as np
img = cv2.imread("lena.jpg")
M_copy_img = np.array([
[0, 0.8, -100],
[0.8, 0, -12]
], dtype=np.float32)
img_change = cv2.warpAffine(img, M_copy_img, (300, 300))
cv2.imshow("textxaunzahun", img_change)
cv2.waitKey(0)
二、使用OpenCv扩大图像数据库
import cv2
import random
img = cv2.imread("lena.jpg")
width, height, depth = img.shape
img_width_box = width * 0.2
img_height_box = height * 0.2
for _ in range(9):
start_pointX = random.uniform(0, img_width_box)
start_pointY = random.uniform(0, img_height_box)
copyImg = img[int(start_pointX):int(200), int(start_pointY):int(200)]
cv2.imshow("textxaunzahun", copyImg)
cv2.waitKey(0)
自动生成了九张截图后的图片
2、图像的随机旋转变换–使用函数getRotationMatrix2D可以使用
getRotationMatrix2D(...)
getRotationMatrix2D(center,angle,scale)