利用七种方法对一个文件夹里面的所有图像进行图像增强实战

最新推荐文章于 2024-03-14 11:27:47 发布

AI炮灰

最新推荐文章于 2024-03-14 11:27:47 发布

阅读量450

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习实战代码40例文章标签：计算机视觉 opencv 深度学习图像增强扩充数据集

本文链接：https://blog.youkuaiyun.com/bigData1994pb/article/details/124985252

深度学习实战代码40例专栏收录该内容

26 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文将详细介绍如何使用OpenCV和深度学习技术，通过七种不同的图像增强方法，对一个文件夹内的所有图像进行处理，以扩充数据集。这些方法包括旋转、缩放、翻转、噪声注入等，有效提升计算机视觉模型的训练效果。

# coding = utf-8
import cv2
from PIL import Image
from PIL import ImageEnhance
from numpy.ma import array
import numpy as np
import os
# 批量处理代码
rootdir = 'F:/danzi/数据/4' # 指明被遍历的文件夹

def high_bright(currentPath, filename, targetPath):
    # 读取图像
    image = Image.open(currentPath)
    image_cv = cv2.imread(currentPath)
    # image.show()
    # 增强亮度 bh_
    enh_bri = ImageEnhance.Brightness(image)
    brightness = 1.07
    image_brightened_h = enh_bri.enhance(brightness)
    # image_brightened_h.show()
    image_brightened_h.save(targetPath+ '1' + filename)  # 保存

def low_bright(currentPath, filename, targetPath):
    image = Image.open(currentPath)
    image_cv = cv2.imread(currentPath)
    # 降低亮度 bl_
    enh_bri_low = ImageEnhance.Brightness(image)
    brightness = 0.87
    ima

了解本专栏