本文使用5种方法对原始数据做数据增强，分别是对比度增强、亮度增强、颜色增强、添加高斯噪声、运动模糊处理
对比度增强
对图片进行对比度增强，下述代码输出三张图片，分别是不增强、增强0.5倍、增强1.5倍的效果
from PIL import Image
from PIL import ImageEnhance
import os
'''
函 数 名：contrastEnhancement(root_path, img_name, contrast)
函数功能：对比度增强
入口参数：
root_path ：图片根目录
img_name ：图片名称
contrast ：对比度
返 回 值：
对比度增强后的图片
'''
def contrastEnhancement(root_path, img_name, contrast):
image = Image.open(os.path.join(root_path, img_name))
enh_con = ImageEnhance.Contrast(image)
image_contrasted = enh_con.enhance(contrast)
return image_contrasted
Input_dir = r"D:\image_test\original" # 要改变的图片的路径文件夹
Output_dir = r"D:\image_test\contrastEnhancement" # 要保存的图片的路径文件夹
for name in os.listdir(Input_dir):
saveName = name[:-4] + "original.png"
image = Image.open(os.path.join(Input_dir, name))
image.save(os.path.join(Output_dir, saveName)) # 保存原图
########################对比度增强#######################
for i in range(5, 16, 10): # range()的传入参数只能是int类型，使用i与i_int做转换
i_int = i / 10
saveName = name[:-4] + "co" + str(i_int) + ".jpg"
saveImage = contrastEnhancement(Input_dir, name, i_int)
saveImage.save(os.path.join(Output_dir, saveName))
下面为输出的三张图片，从左至右分别是不增强、增强0.5倍、增强1.5倍的效果图
亮度增强
对图片进行亮度增强，下述代码输出三张图片，分别是不增强、增强0.5倍、增强1.5倍的效果
from PIL import Image
from PIL import ImageEnhance
import os
from PIL import Image
from PIL import ImageEnhance
import os
import cv2
import numpy as np
'''
函 数 名：brightnessEnhancement(root_path,img_name,brightness)
函数功能：亮度增强
入口参数：
root_path ：图片根目录
img_name ：图片名称
brightness ：亮度
返 回 值：
亮度增强后的图片
'''
def brightnessEnhancement(root_path,img_name,brightness):
image = Image.open(os.path.join(root_path, img_name))
enh_bri = ImageEnhance.Brightness(image)
image_brightened = enh_bri.enhance(brightness)
return image_brightened
Input_dir = r"D:\image_test\original" # 要改变的图片的路径文件夹
Output_dir = r"D:\image_test\contrastEnhancement" # 要保存的图片的路径文件夹
for name in os.listdir(Input_dir):
saveName= name[:-4]+"original.png"
image = Image.open(os.path.join(Input_dir, name))
image.save(os.path.join(Output_dir,saveName))#保存原图
######################亮度增强#######################
for i in range(5, 16, 10):
i_int = i / 10# range()的传入参数只能是int类型，使用i与i_int做转换
saveName= name[:-4]+"bright" + str(i_int) + ".jpg"
saveImage=brightnessEnhancement(Input_dir,name,i_int)
saveImage.save(os.path.join(Output_dir,saveName))
下面为输出的三张图片，从左至右分别是不增强、增强0.5倍、增强1.5倍的效果图
颜色增强
对图片进行颜色增强，下述代码输出三张图片，分别是不增强、增强0.5倍、增强1.5倍的效果
from PIL import Image
from PIL import ImageEnhance
import os
'''
函 数 名：colorEnhancement(root_path,img_name,color)
函数功能：颜色增强
入口参数：
root_path ：图片根目录
img_name ：图片名称
color ：颜色
返 回 值：
颜色增强后的图片
'''
def colorEnhancement(root_path,img_name,color):
image = Image.open(os.path.join(root_path, img_name))
enh_col = ImageEnhance.Color(image)
image_colored = enh_col.enhance(color)
return image_colored
Input_dir = r"D:\image_test\original" # 要改变的图片的路径文件夹
Output_dir = r"D:\image_test\contrastEnhancement" # 要保存的图片的路径文件夹
for name in os.listdir(Input_dir):
saveName= name[:-4]+"original.png"
image = Image.open(os.path.join(Input_dir, name))
image.save(os.path.join(Output_dir,saveName))#保存原图
#######################颜色增强#######################
for i in range(5, 16, 10): # range()的传入参数只能是int类型，使用i与i_int做转换
i_int = i / 10
saveName = name[:-4] + "colE"+ str(i_int) + ".jpg"
saveImage = colorEnhancement(Input_dir, name, i_int)
saveImage.save(os.path.join(Output_dir, saveName))
下面为输出的三张图片，从左至右分别是不增强、增强0.5倍、增强1.5倍的效果图
添加高斯噪声、运动模糊处理
对图片进行添加高斯噪声、运动模糊处理，下述代码输出三张图片，分别是不增强、添加高斯噪声、运动模糊处理的效果
from PIL import Image
import os
import cv2
import numpy as np
'''
函 数 名：gaussian_noise(img, mean, sigma)
函数功能：添加高斯噪声
入口参数：
img ：原图
mean ：均值
sigma ：标准差
返 回 值：
噪声处理后的图片
'''
def gaussian_noise(img, mean, sigma):
# 将图片灰度标准化
img = (img / 255)
# 产生高斯 noise
noise = np.random.normal(mean, sigma, img.shape)
# 将噪声和图片叠加
gaussian_out = img + noise
# 将超过 1 的置 1，低于 0 的置 0
gaussian_out = np.clip(gaussian_out, 0, 1)
# 将图片灰度范围的恢复为 0-255
gaussian_out = np.uint8(gaussian_out*255)
# 这里也会返回噪声，注意返回值
return gaussian_out
'''
函 数 名：motion_blur(image)
函数功能：运动模糊化处理
入口参数：
image ：原图
返 回 值：
模糊化处理后的图片
'''
def motion_blur(image):
degree = 50
angle = 45
image = np.array(image)
# 这里生成任意角度的运动模糊kernel的矩阵， degree越大，模糊程度越高
M = cv2.getRotationMatrix2D((degree / 2, degree / 2), angle, 1)
motion_blur_kernel = np.diag(np.ones(degree))
motion_blur_kernel = cv2.warpAffine(motion_blur_kernel, M, (degree, degree))
motion_blur_kernel = motion_blur_kernel / degree
blurred = cv2.filter2D(image, -1, motion_blur_kernel)
# convert to uint8
cv2.normalize(blurred, blurred, 0, 255, cv2.NORM_MINMAX)
blurred = np.array(blurred, dtype=np.uint8)
return blurred
'''
函 数 名：gauss_fuzzy_convert(input_dir, output_dir)
函数功能：将原图进行高斯和模糊化变换
入口参数：
input_dir ：原图路径
output_dir ：变换后路径
返 回 值：
无
'''
def gauss_fuzzy_convert(input_dir, output_dir):
for filename in os.listdir(input_dir):
path = input_dir + "/" + filename# 获取文件路径
fuzzy_image = cv2.imread(path)#读取图片
noise_img = cv2.imread(path)#读取图片
fuzzy_image_1 = motion_blur(fuzzy_image)
noise_img_1 = gaussian_noise(noise_img, 0.1, 0.08) #高斯噪声
cv2.imwrite(output_dir+'/'+filename[:-4] + "noise" + ".jpg",noise_img_1)
cv2.imwrite(output_dir+'/'+filename[:-4] + "fuzzy" + ".jpg",fuzzy_image_1)
Input_dir = r"D:\image_test\original" # 要改变的图片的路径文件夹
Output_dir = r"D:\image_test\contrastEnhancement" # 要保存的图片的路径文件夹
for name in os.listdir(Input_dir):
saveName= name[:-4]+"original.png"
image = Image.open(os.path.join(Input_dir, name))
image.save(os.path.join(Output_dir,saveName))#保存原图
########################添加高斯噪声、运动模糊处理#######################
gauss_fuzzy_convert(Input_dir, Output_dir)
下面为输出的三张图片，从左至右分别是不增强、添加高斯噪声、运动模糊处理的效果图
文章出处登录后可见！
已经登录？立即刷新
