数据扩充常见方法

最新推荐文章于 2025-06-12 14:52:44 发布

原创最新推荐文章于 2025-06-12 14:52:44 发布 · 2.1w 阅读

94 ·

CC 4.0 BY-SA版权

神经网络专栏收录该内容

30 篇文章

订阅专栏

本文详细介绍了数据增强技术，包括镜像、旋转、尺度变换、随机抠取和色彩抖动等多种方法，旨在解决训练数据不足的问题，提高模型的泛化能力和鲁棒性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据扩充（data augmentation），又名 数据增强 / 数据增广。其本质即：缺少海量数据时，为了保证模型的有效训练，一分钱掰成两半花。

为什么需要数据增强：

一般而言，比较成功的神经网络需要大量的参数，许许多多的神经网路的参数都是数以百万计，而使得这些参数可以正确工作则需要大量的数据进行训练，而实际情况中数据并没有我们想象中的那么多

数据增强的作用：

数据增强让有限的数据产生更多的数据，增加训练样本的数量以及多样性（噪声数据），增加噪声数据，提升模型鲁棒性
随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，让物体以不同的实例出现在图像的不同位置，这同样能够降低模型对目标位置的敏感性。例如，我们也可以调整亮度、对比度、饱和度和色调等因素来降低模型对色彩的敏感度。

如何获得大量的数据：

获得新的数据，这种方法比较麻烦，需要大量的成本，
对数据进行增强，即利用已有的数据比如翻转、平移或旋转，创造出更多的数据，来使得神经网络具有更好的泛化效果。数据扩充方法包括：镜像、旋转、尺度变换、随机抠取、色彩抖动

1、镜像

1、remap函数

void remap(InputArray src,OutputArray dst,InputArray map1,InputArray map2,
int interpolation,int borderMode=BORDER_CONSTANT,const Scalar&borderValue=Scalar())

第一个参数：输入图像，即原图像，需要单通道8位或者浮点类型的图像
第二个参数：输出图像，即目标图像，需和原图形一样的尺寸和类型
第三个参数：它有两种可能表示的对象：

表示点（x,y）的第一个映射；
表示CV_16SC2，CV_32FC1类型的X值

第四个参数：它有两种可能表示的对象：

若map1表示点（x,y）时，这个参数不代表任何值；
表示CV_16UC1，CV_32FC1类型的Y值

第五个参数：插值方式，有四种插值方式：（1）INTER_NEAREST——最近邻插值
（2）INTER_LINEAR——双线性插值（默认）
（3）INTER_CUBIC——双三样条插值（默认）
（4）INTER_LANCZOS4——lanczos插值（默认）
第六个参数：边界模式，默认BORDER_CONSTANT
第七个参数：边界颜色，默认Scalar()黑色

int main()
{
	Mat src = imread("1.jpg");
	Mat dst;
	//创建和原始图像一样的效果图，x重映射图，y重映射图
	dst.create(src.size(),src.type());
        Mat map_x;
        Mat map_y;
        map_x.create(src.size(), CV_32FC1);
        map_y.create(src.size(), CV_32FC1);
      //双层循环，遍历每一个像素点，改变map_x和map_y的值
        for (int i = 0; i < src.rows; ++i)
        {
            for (int j = 0; j < src.cols; ++j)
            {
                //map_x.at<float>(i, j) = (float)(src.cols - j);
                //map_y.at<float>(i, j) = (float)i;  //水平
                map_x.at<float>(i, j) = (float)j;
                map_y.at<float>(i, j) = (float)(src.rows - i);  //垂直   
                //map_x.at<float>(i, j) = (float)(src.cols - j);  
                //map_y.at<float>(i, j) = (float)(src.rows - i);  //同时旋转           
            }
        }
        remap(src, dst, map_x, map_y, CV_INTER_LINEAR);

 
}

2、flip函数

图像的反转采用flip函数实现，该函数能够实现图像在水平方向，垂直方向和水平垂直方向的旋转，函数代码如下：

void cv::flip(
                InputArray src
                OutputArray dst,
                int flipCode)

src 是原始图像；
dst 是和原始图像大小，类型相同的目标图像；
flipCode 是旋转类型，0代表x轴旋转，任意正数代表y轴旋转，任意负数代表x和y轴同时旋转。

2. 旋转

将原图按照一定角度旋转，作为新图像。常取的旋转角度为 -30°、-15°、15°、30° 角度值。先通过getRotationMatrix2D函数得到图像的旋转矩阵，然后再通过仿射变换函数warpAffine得到旋转后的图像。

函数说明:

cv2.getRotationMatrix2D(center, angle, scale)
cv2.warpAffine(src, M, dsize,dst=None,flags=None,borderMode=None,borderValue=None)

参数说明：

getRotationMatrix2D:

center：表示旋转的中心点
angle：表示旋转的角度degrees
scale：图像缩放因子

warpAffine:

src：输入的图像
M：2 X 3 的变换矩阵.
dsize：输出的图像的size大小
dst：输出的图像
flags：输出图像的插值方法
borderMode：图像边界的处理方式
borderValue：当图像边界处理方式为BORDER_CONSTANT时的填充值

3. 尺度变换

将图像分辨率变为原图的0.8、0.9、1.1、1.2等倍数，作为新图像。

resize(temp, dstImage, Size(128, 128), (0, 0), (0, 0), 3);

scr：原图
dsize：输出图像尺寸
fx：沿水平轴的比例因子
fy：沿垂直轴的比例因子
interpolation：插值方法

4. 抠取

随机抠取：在原图的随机位置抠取图像块，作为新图像。
监督式抠取：只抠取含有明显语义信息的图像块。

5. 色彩抖动

对图像原有的像素值分布进行轻微扰动（即加入轻微噪声），作为新图像。

void salt(Mat img, int n)
{
    for (int k = 0; k<n; k++)
    {
        int i = rand() % img.cols;
        int j = rand() % img.rows;
        if (img.channels() == 1)
            img.at<uchar>(j, i) = 255;
        else if (img.channels() == 3)
        {
            img.at<Vec3b>(j, i)[0] = 255;
            img.at<Vec3b>(j, i)[1] = 255;
            img.at<Vec3b>(j, i)[2] = 255;
        }
    }
}

from：https://blog.youkuaiyun.com/thisiszdy/article/details/87028312

from：https://blog.youkuaiyun.com/syyyy712/article/details/80042637

from：https://blog.youkuaiyun.com/jningwei/article/details/79219838