Python亮度调整算法 python图像亮度增强

转载

技术极客 2023-09-04 15:09:13

文章标签 Python亮度调整算法 python 数据扩充 opencv Image 文章分类 Python 后端开发

Python 数据扩充（亮度、翻转、噪声）

因为训练模型的数据集很少，需要进行扩充，主要使用了一些单样本扩充方法，例如亮度变换、水平垂直翻转、增加图像噪声

下面对自己用到的一些代码进行整理，方便后续查看与使用

环境说明

opencv：opencv_python 4.5.5.64
numpy：1.19.2

下面的方法统一利用到的变量：

# 当前数据集图片格式
file_format = ".png"
# 左右翻转文件名附加字符
LR = "_lr"
# 上下翻转文件名附加字符
TB = "_tb"
# 变亮
BR = "_br"
# 椒盐噪声
SA = "_sa"
# 高斯噪声
GA = "_ga"
# 翻转
FZ = "fz_"
# 获取到文件的文件名
def getImageName(path):
    return os.path.basename(path)

亮度

这里主要用了两种，分别是亮度变亮 亮度变暗 ，实现原理都是一样的

主要用到两个方法：

cv2.imread：python opencv cv2.imread
cv2.imwrite：python opencv cv2.imwrite
np.clip：该函数的作用是数限定到范围a_min和a_max中

亮度：

import cv2
# 亮度变亮
# img_list：所有的图片地址，数组 例如：[xxx/xxx1.png , xxx/xxx2.png]
# base_path：原图片所在的文件目录  
# save_base_path：变量后保存的文件目录
# percetage：亮度，变亮设置为大于1的数字，变暗设置为小于1数字
def brighter(img_list, base_path, save_base_path, percetage=1.2):
    for i in range(len(img_list)):
        # 原图片的地址
        img_path = img_list[i]
        
        # 保存的文件地址，以前文件名称为example.png 下面保存为 example_br.png
        image_save_full_path = save_base_path + getImageName(img_path).split(file_format)[0] + BR + file_format

        pri_image = cv2.imread(img_path, -1)

        image_copy = pri_image.copy()
        w = pri_image.shape[1]
        h = pri_image.shape[0]
        # get brighter 根据像素将其变量
        for xi in range(0, w):
            for xj in range(0, h):
                image_copy[xj, xi, 0] = np.clip(int(pri_image[xj, xi, 0] * percetage), a_max=255, a_min=0)
                image_copy[xj, xi, 1] = np.clip(int(pri_image[xj, xi, 1] * percetage), a_max=255, a_min=0)
                image_copy[xj, xi, 2] = np.clip(int(pri_image[xj, xi, 2] * percetage), a_max=255, a_min=0)
		# 保存
        cv2.imwrite(image_save_full_path, image_copy)

使用后示例：（变亮）

Python亮度调整算法 python图像亮度增强_数据扩充

翻转

这里主要用了五种，分别是 上下翻转左右翻转 90度翻转 180度翻转 270度翻转 ，实现原理都是一样的

主要用到两个方法：

PIL.Image.open：打开文件
PIL.Image.Image.transpose：进行翻转操作

FLIP_LEFT_RIGHT = 0
FLIP_TOP_BOTTOM = 1
ROTATE_90 = 2
ROTATE_180 = 3
ROTATE_270 = 4

from PIL import Image
# 左右翻转
# img_list：所有的图片地址，数组 例如：[xxx/xxx1.png , xxx/xxx2.png]
# save_base_path：变量后保存的文件目录
def leftRightFz(img_list, save_base_path):
    # 1.遍历图片
    for i in range(len(img_list)):
        # 图片路径
        img_path = img_list[i]
        # 打开图片 PIL.Image.Image对象
        pri_image = Image.open(img_path)
        # 保存的文件地址，以前文件名称为example.png 下面保存为 example_lr.png
        image_save_full_path = save_base_path + getImageName(img_path).split(file_format)[0] + LR + file_format
        # 左右镜面翻转FLIP_LEFT_RIGHT
        pri_image.transpose(Image.FLIP_LEFT_RIGHT).save(image_save_full_path)
        
        # 这里根据翻转的不同，输入不同的值
        FLIP_LEFT_RIGHT = 0 # 左右翻转
        FLIP_TOP_BOTTOM = 1 # **上下翻转
        ROTATE_90 = 2 #  90度翻转 
        ROTATE_180 = 3 # 180度翻转
        ROTATE_270 = 4 # 270度翻转

使用后示例：（左右翻转）

Python亮度调整算法 python图像亮度增强_python_02

噪声

这里用到了两种噪声，分别：

高斯噪声，指服从正态分布的一类噪声，通常RGB图像显现比较明显
椒盐噪声，指黑白相间的亮暗点噪声。通常灰度图中比较明显

椒盐噪声

主要用到两个方法：

cv2.imread：python opencv cv2.imread
cv2.imwrite：python opencv cv2.imwrite

# 椒盐噪声
# img_list：所有的图片地址，数组 例如：[xxx/xxx1.png , xxx/xxx2.png]
# base_path：原图片所在的文件目录  
# save_base_path：变量后保存的文件目录
# percetage：噪声情况
def SaltAndPepper(img_list, base_path, save_base_path, percetage=0.3):
    for i in range(len(img_list)):
        img_path = img_list[i]
        # 保存的文件地址，以前文件名称为example.png 下面保存为 example_sa.png
        image_save_full_path = save_base_path + getImageName(img_path).split(file_format)[0] + SA + file_format
        pri_image = cv2.imread(img_path)
        image_copy = pri_image.copy()
        w = pri_image.shape[1]
        h = pri_image.shape[0]
        # noise_num
        noise_num = int(percetage * w * h)
        for i in range(noise_num):
            randR = np.random.randint(0, h - 1)
            randG = np.random.randint(0, w - 1)
            randB = np.random.randint(0, 3)
            # 随机对图片加上黑白点
            if np.random.randint(0, 1) == 0:
                image_copy[randR, randG, randB] = 0
            else:
                image_copy[randR, randG, randB] = 255
        cv2.imwrite(image_save_full_path, image_copy)

示例：

Python亮度调整算法 python图像亮度增强_python_03

高斯噪声

主要用到两个方法：

cv2.imread：python opencv cv2.imread
cv2.imwrite：python opencv cv2.imwrite
np.random.randn：正态分布矩阵生成
np.zeros：初始化一个矩阵，值为0

from PIL import Image
import numpy as np
import cv2
# 高斯噪声
# img_list：所有的图片地址，数组 例如：[xxx/xxx1.png , xxx/xxx2.png]
# base_path：原图片所在的文件目录  
# save_base_path：变量后保存的文件目录
# percetage：噪声情况
def GaussianNoise(img_list, base_path, save_base_path, percetage=20):
    for i in range(len(img_list)):
        img_path = img_list[i]
		# 保存的文件地址，以前文件名称为example.png 下面保存为 example_ga.png
        image_save_full_path = save_base_path + getImageName(img_path).split(file_format)[0] + GA + file_format

        pri_image = cv2.imread(img_path)
        image_copy = pri_image.copy()
        w = pri_image.shape[1]
        h = pri_image.shape[0]
        # 正太分布
        noise = np.random.randn(h, w) * percetage
        # 一个与图片w,h大小的0矩阵
        noisy_img = np.zeros(image_copy.shape, np.float64)
        if len(image_copy.shape) == 2:
            noisy_img = image_copy + noise
        else: # 增加噪声
            noisy_img[:, :, 0] = image_copy[:, :, 0] + noise
            noisy_img[:, :, 1] = image_copy[:, :, 1] + noise
            noisy_img[:, :, 2] = image_copy[:, :, 2] + noise

        cv2.imwrite(image_save_full_path, noisy_img)

示例：

Python亮度调整算法 python图像亮度增强_数据扩充_04