1、数据的读取
1.1 对于图片的读取，一般计算机视觉领域常用的是opencv和pillow。
对于pillow库我用的比较少，所以我这里就介绍一下opencv库。opencv是Intel开源的计算机视觉库，它是由一系列c函数和少量的c++类构成，实现了图像处理和计算机视觉方面的很多通用算法。opencv拥有包括300多个c函数的跨平台的中、高层API。它不依赖于其它的外部库-尽管可以使用某些外部库。最重要的是opencv对于商业和非商业都是free的。它同时支持linux，windows，android平台，提供有python，c，c++，java的接口函数。
关于opencv的python接口函数的读取处理数据的简单用法，见下图：
图片.png
1.2 pytorch对于图片数据的读取操作代码示例：
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
data = SVHNDataset(train_path, train_label,
transforms.Compose([
# 缩放到固定尺寸
transforms.Resize((64, 128)),
# 随机颜色变换
transforms.ColorJitter(0.2, 0.2, 0.2),
# 加入随机旋转
transforms.RandomRotation(5),
# 将图片转换为pytorch 的tesntor
# transforms.ToTensor(),
# 对图像像素进行归一化
# transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
]))
2、数据的增广
数据增广是深度学习中常用的技巧之一，主要用于增加训练集，让数据尽可能的多样化，使得训练的模型具有更强的泛化能力。现有的各大深度学习框架都已经自带了数据增广，它只是提供了接口函数。现在我们从：水平/垂直翻转，旋转，缩放，裁剪，剪切，平移，对比度，色彩抖动，噪声等几个方面讲解和实现数据增广。
所有的数据增广在操作的时候默认是以图像中心点进行的。从数学角度来看，任何操作都可以分成以下几个步骤：1、首先将旋转点移动到原点处；2、执行如下图所描述的绕原点旋转；3、再将旋转点移回到原来的位置；为了更好的理解见下图：
图片.png
假设图像的原始坐标为（x1,y1），平移后的坐标为（x，y）,则平移前和平移后的坐标关系为：
2.1、图像平移
平移是指所有的像素在x和y方向各平移一定距离，平移变换对应的数学矩阵为：
如图平移的具体实例（这里平移采用的是到映射填充）
图片.png
2.2、图像翻转（图像镜像）
图像翻转包括水平翻转和垂直翻转。水平翻转的变换矩阵为：
垂直翻转的变换矩阵为：
翻转后的具体实例（这里是采用倒映射填充）：
图片.png
2.3、图像旋转
图像旋转是指以某个点（默认为图像中心点）为中心进行任意角度旋转，其变换矩阵为：
图像旋转图片（这里平移后采用的是到映射填充）：
图片.png
2.4、图像缩放：
图像缩放是指对当前图像进行任意尺度的缩放，其变换矩阵为：
缩放后的图片如下（这里平移后采用的是到映射填充）：
图片.png
2.5、图像错切：
其变换矩阵为：
错切的图像如下（这里平移后采用的到映射填充）：
图片.png
2.6、图像裁剪：
深度学习的图像裁剪的常用做法是将图片缩放到原图的1.1倍，然后在缩放后的图像上进行裁剪操作，具体的裁剪实例如下：
图片.png
2.7、组合变换：
在深度学习中的数据增广一般会采用多种增广的方式的组合，根据其运算的规则，可以知道不同的组合顺序结果是不一样的。
为了更好地解释，假设给定平移变换矩阵Hshift ，旋转矩阵Hrotate，缩放矩阵Hscale ，为了说明这里我给出两个不同的组合变换．对于组合变换一，其组合后的矩阵如下:M = Hshift x Hrotate x Hscale；对于组合变换二，其组合后的矩阵如下:M = Hscale x Hrotate x Hshift，对于两种不同的组合其结果如下：
图片.png
下边是数据增广的源码实现示例：
import numpy as np
import os
import cv2
import copy
class DataAugment:
def __init__(self,debug=False):
self.debug=debug
print("Data augment...")
def basic_matrix(self,translation):
"""基础变换矩阵"""
return np.array([[1,0,translation[0]],[0,1,translation[1]],[0,0,1]])
def adjust_transform_for_image(self,img,trans_matrix):
"""根据图像调整当前变换矩阵"""
transform_matrix=copy.deepcopy(trans_matrix)
height, width, channels = img.shape
transform_matrix[0:2, 2] *= [width, height]
center = np.array((0.5 * width, 0.5 * height))
transform_matrix = np.linalg.multi_dot([self.basic_matrix(center), transform_matrix, self.basic_matrix(-center)])
return transform_matrix
def apply_transform(self,img,transform):
"""仿射变换"""
output = cv2.warpAffine(img, transform[:2, :], dsize=(img.shape[1], img.shape[0])，flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_REFLECT, borderValue=0,) #cv2.BORDER_REPLICATE,cv2.BORDER_TRANSPARENT
return output
def apply(self,img,trans_matrix):
"""应用变换"""
tmp_matrix=self.adjust_transform_for_image(img, trans_matrix)
out_img=self.apply_transform(img, tmp_matrix)
if self.debug:
self.show(out_img)
return out_img
def random_vector(self,min,max):
"""生成范围矩阵"""
min=np.array(min)
max=np.array(max)
print(min.shape,max.shape)
assert min.shape==max.shape
assert len(min.shape) == 1
return np.random.uniform(min, max)
def show(self,img):
"""可视化"""
cv2.imshow("outimg",img)
cv2.waitKey()
def random_transform(self,img,min_translation,max_translation):
"""平移变换"""
factor=self.random_vector(min_translation,max_translation)
trans_matrix=np.array([[1, 0, factor[0]],[0, 1, factor[1]],[0, 0, 1]])
out_img=self.apply(img,trans_matrix)
return trans_matrix, out_img
def random_flip(self,img,factor):
"""水平或垂直翻转"""
flip_matrix = np.array([[factor[0], 0, 0],[0, factor[1], 0],[0, 0, 1]])
out_img=self.apply(img,flip_matrix)
return flip_matrix, out_img
def random_rotate(self,img,factor):
"""随机旋转"""
angle=np.random.uniform(factor[0],factor[1])
print("angle:{}".format(angle))
rotate_matrix=np.array([[np.cos(angle), -np.sin(angle), 0],[np.sin(angle),np.cos(angle), 0],[0, 0, 1]])
out_img=self.apply(img,rotate_matrix)
return rotate_matrix, out_img
def random_scale(self,img,min_translation,max_translation):
"""随机缩放"""
factor=self.random_vector(min_translation, max_translation)
scale_matrix = np.array([[factor[0], 0, 0],[0, factor[1], 0],[0, 0, 1]])
out_img=self.apply(img,scale_matrix)
return scale_matrix, out_img
def random_shear(self,img,factor):
"""随机剪切，包括横向和众向剪切"""
angle = np.random.uniform(factor[0], factor[1])
print("fc:{}".format(angle))
crop_matrix = np.array([[1, factor[0], 0], [factor[1], 1, 0], [0, 0, 1]])
out_img=self.apply(img,crop_matrix)
return crop_matrix, out_img
if __name__=="__main__":
demo=DataAugment(debug=True)
img=cv2.imread("/pathto/dataArgu/wr.jpg")
# 平移测试
_,outimg=demo.random_transform(img,(0.1,0.1),(0.2,0.2)) #(-0.3,-0.3),(0.3,0.3)
# 垂直变换测试
_, outimg =demo.random_flip(img,(1.0,-1.0))
# 水平变换测试
_, outimg =demo.random_flip(img, (-1.0, 1.0))
# 旋转变换测试
_, outimg =demo.random_rotate(img,(0.5,0.8))
# # 缩放变换测试
_, outimg =demo.random_scale(img,(1.2, 1.2),(1.3,1.3))
# 随机裁剪测试
_, outimg =demo.random_shear(img,(0.2,0.3))
# 组合变换
t1,_=demo.random_transform(img,(-0.3,-0.3),(0.3,0.3))
t2,_=demo.random_rotate(img,(0.5,0.8))
t3,_=demo.random_scale(img,(1.5,1.5),(1.7,1.7))
tmp=np.linalg.multi_dot([t1,t2,t3])
print("tmp:{}".format(tmp))
out=demo.apply(img,tmp)
3、总结
图片数据读取和数据增广是计算机视觉，特别是搞深度学习的最最基础的部分了，可能对于没有cv基础的同学理解起来会有点困难。
网友评论