本篇内容介绍了“PythonOpencv数据增强的方法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

常见的数据增强操作有：按比例放大或缩小图片、旋转、平移、水平翻转、改变图像通道等。

扩展缩放只是改变图像的尺寸大小。OpenCV 提供的函数 cv2.resize()可以实现这个功能。图像的尺寸可以自己手动设置，也可以指定缩放因子。可以选择使用不同的插值方法。在缩放时我们推荐使用 cv2.INTER_AREA，在扩展时我们推荐使用 v2.INTER_CUBIC（慢) 和 v2.INTER_LINEAR。默认情况下所有改变图像尺寸大小的操作使用的插值方法都是 cv2.INTER_LINEAR。

#缩小--宽和高都缩小为原来的scale倍defzoom_down(img,scale):img=cv2.resize(img,None,fx=scale,fy=scale,interpolation=cv2.INTER_CUBIC)returnimg#放大--宽和高都放大为原来的scale倍defzoom_up(img,scale):img=cv2.resize(img,None,fx=scale,fy=scale,interpolation=cv2.INTER_CUBIC)returnimg

resize库中第二个参数是目标大小，例如如果我想把图片resize成300*300大小的，可以这么写：

img=cv2.resize(img,(300,300))2.平移图像

平移就是将对象换一个位置。如果你要沿（x，y）方向移动，移动的距离是（tx，ty），你可以以下面的方式构建移动矩阵：

可以使用 Numpy 数组构建这个矩阵（数据类型是 np.float32），然后把它传给函数cv2.warpAffine()。

mat_translation=np.float32([[1,0,20],[0,1,30]])

例如上面是的矩阵是将图像往水平方向上移动20个像素点，竖直方向上移动30个像素点。

实例：

#平移--水平平移或竖直方向平移deftranslation(img,tx,ty):height=img.shape[0]width=img.shape[1]mat_translation=np.float32([[1,0,tx],[0,1,ty]])#变换矩阵：设置平移变换所需的计算矩阵：2行3列img=cv2.warpAffine(img,mat_translation,(width+tx,height+ty))#变换函数returnimg

我这里封装的tx和ty分别为水平和竖直方向需要移动的像素点数。

OpenCV 提供了一个函数：cv2.getRotationMatrix2D

#旋转defrotation(img,angle,scale):rows=img.shape[0]cols=img.shape[1]#这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子#可以通过设置旋转中心，缩放因子，以及窗口大小来防止旋转后超出边界的问题M=cv2.getRotationMatrix2D((cols/2,rows/2),angle,scale)#向左旋转angle度并缩放为原来的scale倍img=cv2.warpAffine(img,M,(cols,rows))#第三个参数是输出图像的尺寸中心returnimg4.镜像变换

Opencv提供了cv2.flip()函数，可以第二个参数为1时为水平翻转，为0时垂直翻转。为了后面调用方便，我还是自己封装了一下。

#镜像变换defmirror(img,mode):img=cv2.flip(img,mode)#mode=1水平翻转mode=0垂直翻returnimg5.添加椒盐噪声

椒盐噪声为纯黑或纯白的像素点，随机生成。

#添加椒盐噪声defspiced_salt_noise(img,prob):output=np.zeros(img.shape,np.uint8)thres=1-probforiinrange(img.shape[0]):forjinrange(img.shape[1]):rdn=random.random()ifrdn<prob:output[i][j]=0#椒盐噪声由纯黑和纯白的像素点随机组成elifrdn>thres:output[i][j]=255else:output[i][j]=img[i][j]returnoutput6.添加高斯噪声

与椒盐噪声不同，高斯噪声是彩色的，方差越大时噪声越大。

#添加高斯噪声defgasuss_noise(image,mean=0,var=0.01):'''添加高斯噪声mean:均值var:方差，方差越大越模糊'''image=np.array(image/255,dtype=float)noise=np.random.normal(mean,var**0.5,image.shape)out=image+noiseifout.min()<0:low_clip=-1.else:low_clip=0.out=np.clip(out,low_clip,1.0)out=np.uint8(out*255)returnout7.模糊化

将图片模糊或平滑有多种算法，例如高斯模糊、中值模糊、均值模糊等，我这里使用一个比较普通的cv2.blur()实现。同样也是先封装方便我后面调用。

#模糊defblur(img,scale):img=cv2.blur(img,(scale,scale))#scale越大越模糊returnimg

这里的scale其实就是滤波器的尺寸，一般取奇数，scale越大越模糊，

在opencv中，图像的通道顺序为BGR，也就是蓝绿红，可以改变成其他顺序以得到不同的效果。

#重新组合颜色通道defchange_channel(img):b=cv2.split(img)[0]g=cv2.split(img)[1]r=cv2.split(img)[2]brg=cv2.merge([b,r,g])#可以自己改变组合顺序returnbrg实例

我有以下几张测试图片：

我希望随机地对这些图片进行一些变换，最终执行结果如下：

可以看到程序对我的图片随机进行了各种变换，我这里只是一次变换，读者也可以尝试对图片同时进行多种变换。

本次程序如下：

#!/usr/bin/envpython#-*-coding:utf-8-*-#@Time:2022/2/1816:30#@Author:若谷#@File:Data_Augumentation.py#@Software:PyCharmimportnumpyasnpimportcv2importrandomimportosimportsys#缩小--宽和高都缩小为原来的scale倍defzoom_down(img,scale):img=cv2.resize(img,None,fx=scale,fy=scale,interpolation=cv2.INTER_CUBIC)returnimg#放大--宽和高都放大为原来的scale倍defzoom_up(img,scale):img=cv2.resize(img,None,fx=scale,fy=scale,interpolation=cv2.INTER_CUBIC)returnimg#平移--水平平移或竖直方向平移deftranslation(img,tx,ty):height=img.shape[0]width=img.shape[1]mat_translation=np.float32([[1,0,tx],[0,1,ty]])#变换矩阵：设置平移变换所需的计算矩阵：2行3列img=cv2.warpAffine(img,mat_translation,(width+tx,height+ty))#变换函数returnimg#旋转defrotation(img,angle,scale):rows=img.shape[0]cols=img.shape[1]#这里的第一个参数为旋转中心，第二个为旋转角度，第三个为旋转后的缩放因子#可以通过设置旋转中心，缩放因子，以及窗口大小来防止旋转后超出边界的问题M=cv2.getRotationMatrix2D((cols/2,rows/2),angle,scale)#向左旋转angle度并缩放为原来的scale倍img=cv2.warpAffine(img,M,(cols,rows))#第三个参数是输出图像的尺寸中心returnimg#镜像变换defmirror(img,mode):img=cv2.flip(img,mode)#mode=1水平翻转mode=0垂直翻returnimg#添加椒盐噪声defspiced_salt_noise(img,prob):output=np.zeros(img.shape,np.uint8)thres=1-probforiinrange(img.shape[0]):forjinrange(img.shape[1]):rdn=random.random()ifrdn<prob:output[i][j]=0#椒盐噪声由纯黑和纯白的像素点随机组成elifrdn>thres:output[i][j]=255else:output[i][j]=img[i][j]returnoutput#模糊defblur(img,scale):img=cv2.blur(img,(scale,scale))#scale越大越模糊returnimg#添加高斯噪声defgasuss_noise(image,mean=0,var=0.01):'''添加高斯噪声mean:均值var:方差，方差越大越模糊'''image=np.array(image/255,dtype=float)noise=np.random.normal(mean,var**0.5,image.shape)out=image+noiseifout.min()<0:low_clip=-1.else:low_clip=0.out=np.clip(out,low_clip,1.0)out=np.uint8(out*255)returnout#重新组合颜色通道defchange_channel(img):b=cv2.split(img)[0]g=cv2.split(img)[1]r=cv2.split(img)[2]brg=cv2.merge([b,r,g])#可以自己改变组合顺序returnbrg#随机进行以上操作defData_Augument():foriinimages_list:img=cv2.imread(image_dir+i)#图片路径+图片名字cv2.imshow('img',img)functions=[('zoom_down',[img,0.8]),#第一个参数为函数名,后面为函数调用时的参数('zoom_up',[img,1.2]),('translation',[img,20,30]),('rotation',[img,15,0.9]),('mirror',[img,1]),('spiced_salt_noise',[img,0.01]),('blur',[img,5]),('gasuss_noise',[img,0,0.01]),('change_channel',[img])]choice=random.choice(functions)#随机选择一个函数执行this_module=sys.modules[__name__]#当前文件res=getattr(this_module,choice[0])(*choice[1])cv2.imwrite(output_dir+i,res)if__name__=='__main__':image_dir='./test/'#源图片路径images_list=os.listdir(image_dir)nums=len(os.listdir(image_dir))print('found%dpictures'%nums)output_dir='./output/'#图像变换后的保存路径Data_Augument()#执行print('finished!')

“PythonOpencv数据增强的方法”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！