alex_bn_lee

导航

< 2025年3月 >
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

统计

【629】图像增强(imgaug 包)

[1] 图像分割任务中的图像增强

[2] imgaug学习笔记(包含各个函数说明)

[3] python图像数据增强——imgaug (二)

  说明:

  • 实例化 iaa.Sequential(),里面包含多种变换
  • 输入 图像数据+标注mask数据,进行对应的增强处理
    注意:对于图像数据,直接转为 numpy.array 既可
             对于标注mask数据,需要通过 SegmentationMapsOnImage 进行处理
  • 每张图片增强10次,产生10个不同的图片

  举例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
from imgaug import augmenters as iaa
from imgaug.augmentables.segmaps import SegmentationMapsOnImage
from PIL import Image
import numpy as np
import cv2, os
 
img_size = 512
 
sometimes = lambda aug: iaa.Sometimes(0.5, aug)
 
seq = iaa.Sequential(
    [   sometimes(iaa.Affine(
                        scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},
                        translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},
                        rotate=(-45, 45),
                        shear=(-16, 16),
                        order=[0, 1],
                        cval=(0, 255),
                        mode="constant")), 
        iaa.SomeOf((0, 3),
                   [iaa.Add((-5, 5), per_channel=0.5),
                    iaa.Grayscale(alpha=(0.0, 1.0), from_colorspace='BGR'),
                    sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05)))
                   ],
                   random_order=True
                   )
    ],
    random_order=True
)
 
src_img_dir = "03_model_dataset_split/01_images/"
src_seg_dir = "03_model_dataset_split/03_labels_louti/"
 
dst_img_dir = "04_model_dataset_augmentation/02_louti/01_images/"
dst_seg_dir = "04_model_dataset_augmentation/02_louti/02_labels_louti/"
 
for file in os.listdir(src_img_dir):
    src_img_path = os.path.join(src_img_dir, file)
    src_seg_path = os.path.join(src_seg_dir, file)
     
    img = Image.open(src_img_path)
    img_arr = np.array(img)
     
    seg = Image.open(src_seg_path)
    seg_arr = np.array(seg)
     
    # segmentation_maps 数据格式需要是 (512, 512, 1)
    # seg_arr 为 (512, 512),下面是输入 seq 函数的必须格式
    seg_map = SegmentationMapsOnImage(np.expand_dims(seg_arr, axis=-1), shape=(img_size, img_size, 3))
     
    for i in range(10):
        # 原始图片 image 与 标注 segmentation_maps 一起变化
        i_aug, s_aug = seq(image = img_arr,
                           segmentation_maps = seg_map)
 
        dst_img_path = os.path.join(dst_img_dir, "{}-{}.png".format(file.split(".")[0], i))
        dst_seg_path = os.path.join(dst_seg_dir, "{}-{}.png".format(file.split(".")[0], i))
 
        Image.fromarray(i_aug).save(dst_img_path)
        # 需要将得到的 s_aug.get_arr() 是 (512, 512, 1)
        # 需要转换为 (512, 512) 来显示
        Image.fromarray(s_aug.get_arr().reshape((img_size, img_size))).save(dst_seg_path)

 

posted on   McDelfino  阅读(644)  评论(0编辑  收藏  举报

编辑推荐:
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
阅读排行:
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· .NET10 - 预览版1新功能体验(一)
点击右上角即可分享
微信分享提示