181118图片增强

一、调整图片亮度

运用函数：

f(x)= contrast * g(x) + brightness

并与for循环函数嵌套使用将图片分成三层，达到对图片每一个“点”进行遍历的效果

for i in range(pic.shape[0]):
 for j in range(pic.shape[1]):
        for k in range(pic.shape[2]):
            if (pic[i][j][k] * contrast+ brightness<=255):
             pic[i][j][k] = pic[i][j][k] * contrast+ brightness
            else:
                pic[i][j][k] = 255

其中，contrast（对比度）与brightness（亮度）的值可以自己设定以达到不同的效果。

二、在图片中插入噪点

for i in range(1000):
    pic[random.randint(0, pic.shape[0]-1)][random.randint(0,pic.shape[1]-1)][:]=255

运用该函数可以在图片中随机插入噪点

三、高斯模糊

cv2.GaussianBlur（）函数

output = cv2.GaussianBlur(img, (5, 5), 1.5)

• img：为要进行操作的图片
• （5,5）:指高斯矩阵的尺寸
• 1.5：指标准差（越大越模糊）

四、中值滤波

cv2.medianBlur（）函数

output = cv2.medianBlur(img, n)

• img：为要进行操作的图片
• n:对像素的中心值及其n*n邻域组成了一个数值集，对其进行处理计算，当前像素被其中值替换掉。

五、在原有图片基础上通过随机变换生成新的图片，以拓展图片资源

keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
    samplewise_center=False,
    featurewise_std_normalization=False,
    samplewise_std_normalization=False,
    zca_whitening=False,
    zca_epsilon=1e-6,
    rotation_range=0.,
    width_shift_range=0.,
    height_shift_range=0.,
    shear_range=0.,
    zoom_range=0.,
    channel_shift_range=0.,
    fill_mode='nearest',
    cval=0.,
    horizontal_flip=False,
    vertical_flip=False,
    rescale=None,
    preprocessing_function=None,
    data_format=K.image_data_format())

参数解析：
详情可见：keras图片预处理

• featurewise_center：
  布尔值，使输入数据集去中心化（均值为0）, 按feature执行
• samplewise_center：
  布尔值，使输入数据的每个样本均值为0
• featurewise_std_normalization：
  布尔值，将输入除以数据集的标准差以完成标准化, 按feature执行
• samplewise_std_normalization：
  布尔值，将输入的每个样本除以其自身的标准差
• zca_whitening：
  布尔值，对输入数据施加ZCA白化
• zca_epsilon:
  ZCA使用的eposilon，默认1e-6
• rotation_range：
  整数，数据提升时图片随机转动的角度
• width_shift_range：
  浮点数，图片宽度的某个比例，数据提升时图片水平偏移的幅度
• height_shift_range：
  浮点数，图片高度的某个比例，数据提升时图片竖直偏移的幅度
• shear_range：
  浮点数，剪切强度（逆时针方向的剪切变换角度）
• zoom_range：
  浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 - zoom_range, 1+zoom_range]
• channel_shift_range：
  浮点数，随机通道偏移的幅度
• fill_mode：；
  ‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理
• cval：
  浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值
• horizontal_flip：
  布尔值，进行随机水平翻转
• vertical_flip：
  布尔值，进行随机竖直翻转
• rescale:
  重放缩因子,默认为None. 如果为None或0则不进行放缩,否则会将该数值乘到数据上(在应用其他变换之前)
• preprocessing_function:
  将被应用于每个输入的函数。该函数将在图片缩放和数据提升之后运行。该函数接受一个参数，为一张图片（秩为3的numpy array），并且输出一个具有相同shape的numpy array
• data_format：
  字符串，“channel_first”或“channel_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering，“channel_last”对应原本的“tf”，“channel_first”对应原本的“th”。以128x128的RGB图像为例，“channel_first”应将数据组织为（3,128,128），而“channel_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channel_last”

六、数据集扩充

扩充思路：

1. 运用上节课的内容对文件进行遍历（os模块）
2. 引用上述第五点，对图片进行随机处理（keras.preprocessing.image模块）
3. 生成图片，并将其保存到指定文件夹下（flow方法）