数据增强-翻转、旋转、随机颜色、对比度增强、亮度增强、颜色增强

该代码实现了对图像的一系列增强操作,包括翻转、旋转、随机颜色调整、对比度和亮度增强,以用于数据集的扩充。通过ImageEnhance库调整图像的饱和度、亮度、对比度和锐度,以创建新的图像变体。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

# imageDir 为原数据集的存放位置
# saveDir  为数据增强后数据的存放位置
###
#
 def flip(root_path,img_name):   #翻转图像
    img = Image.open(os.path.join(root_path, img_name))
    filp_img = img.transpose(Image.FLIP_LEFT_RIGHT)
    filp_img.save(os.path.join(root_path,img_name.split('.')[0] + '_flip.jpg'))
    return filp_img

 def rotation(root_path, img_name):
    img = Image.open(os.path.join(root_path, img_name))
    rotation_img = img.rotate(20) #旋转角度
    rotation_img.save(os.path.join(root_path,img_name.split('.')[0] + '_rotation.jpg'))
    return rotation_img

 def randomColor(root_path, img_name): #随机颜色
     """
    对图像进行颜色抖动
    :param image: PIL的图像image
     :return: 有颜色色差的图像image
     """
     image = Image.open(os.path.join(root_path, img_name))
    random_factor = np.random.randint(0, 31) / 10.  # 随机因子
     color_image = ImageEnhance.Color(image).enhance(random_factor)  # 调整图像的饱和度
     random_factor = np.random.randint(10, 21) / 10.  # 随机因子
    brightness_image = ImageEnhance.Brightness(color_image).enhance(random_factor)  # 调整图像的亮度
    random_factor = np.random.randint(10, 21) / 10.  # 随机因子
    contrast_image = ImageEnhance.Contrast(brightness_image).enhance(random_factor)  # 调整图像对比度
    random_factor = np.random.randint(0, 31) / 10.  # 随机因子
    return ImageEnhance.Sharpness(contrast_image).enhance(random_factor)  # 调整图像锐度

def contrastEnhancement(root_path, img_name):  # 对比度增强
    image = Image.open(os.path.join(root_path, img_name))
    enh_con = ImageEnhance.Contrast(image)
    contrast = 2.2
    image_contrasted = enh_con.enhance(contrast)
    return image_contrasted

def brightnessEnhancement(root_path,img_name):#亮度增强
    image = Image.open(os.path.join(root_path, img_name))
    enh_bri = ImageEnhance.Brightness(image)
    brightness = 1.3
    image_brightened = enh_bri.enhance(brightness)
    return image_brightened
#对比度 contrast的最佳取值范围在[0 ~ 4],亮度 brightness的最佳取值范围在[0~ 2]之间

 def colorEnhancement(root_path,img_name):#颜色增强
     image = Image.open(os.path.join(root_path, img_name))
     enh_col = ImageEnhance.Color(image)
     color = 1.5
     image_colored = enh_col.enhance(color)
     return image_colored

from PIL import Image
from PIL import ImageEnhance
import os
import cv2
import numpy as np
imageDir="D:/..."     #要改变的图片的路径文件夹
saveDir="D:/..."   #要保存的图片的路径文件夹

for name in os.listdir(imageDir):
    saveImage=contrastEnhancement(imageDir,name)
    saveName = name
    saveImage.save(os.path.join(saveDir,saveName))

     saveImage=brightnessEnhancement(imageDir,name)
     saveName = name
     saveImage.save(os.path.join(saveDir,saveName))

     
     saveImage=flip(imageDir,name)
     saveName = name
     saveImage.save(os.path.join(saveDir,saveName))
    
     
     saveImage=rotation(imageDir,name)
     saveName = name
     saveImage.save(os.path.join(saveDir,saveName))
<think>好的,我现在需要帮助用户了解YOLOv8中关于旋转图像、调整饱和度和亮度数据增强技术的实现方法。首先,我应该回忆YOLOv8的数据增强机制,尤其是用户提到的这几个具体技术。 根据用户提供的引用内容,YOLOv8使用强数据增强,包括翻转旋转、裁剪、颜色抖动等,这些可以通过调整data.yaml文件中的参数或使用Albumentations库来实现[^1][^2]。用户特别关注旋转、饱和度和亮度调整,我需要分别解释这三个方面的实现方法。 首先,旋转图像的数据增强。在YOLOv8中,旋转可能通过配置hsv_h参数来控制色调,或者通过degrees参数设置旋转角度范围。但可能用户更直接的是使用Albumentations库的Rotate方法,这样能更灵活地控制旋转角度和边界处理。需要说明如何在YOLOv8中集成Albumentations,比如修改代码或配置文件。 其次,调整饱和度。根据引用,YOLOv5中使用hsv_s参数来控制饱和度,YOLOv8可能沿用类似的参数。需要指出在data.yaml中调整hsv_s的值,范围是0到1,数值越大增强越强。同时,Albumentations的ColorJitter也可以调整饱和度,可能需要示例代码。 调整亮度部分,类似饱和度,参数是hsv_v,同样在data.yaml中配置。此外,ColorJitter也能调整亮度。需要注意参数的具体设置和效果。 接下来,我需要整理这些信息,分步骤说明每种技术的实现方法,包括配置文件调整和Albumentations的使用。同时,要确保提到的代码示例正确,并符合YOLOv8的结构。可能需要提到如何自定义增强流程,例如在训练脚本中导入Albumentations并添加到数据加载器中。 还需要注意用户可能对具体参数的位置不熟悉,因此要明确说明在data.yaml中的哪个部分进行调整。另外,要指出使用Albumentations可能需要安装库,并修改YOLOv8的源码,比如数据加载的部分,添加自定义的变换。 最后,生成相关问题,考虑用户可能的后续疑问,比如如何组合多种增强、参数调优的影响,或者与其他模型的对比。确保问题覆盖用户可能深入的方向,帮助其进一步学习。</think>### YOLOv8中旋转图像、调整饱和度与亮度数据增强实现方法 #### 1. **旋转图像** 在YOLOv8中,旋转增强通过`degrees`参数控制,可在`data.yaml`中配置: ```yaml augment: degrees: 30 # 允许的旋转角度范围(-30°至+30°) ``` 若需更精细控制(如边界填充、旋转中心),可使用**Albumentations库**扩展: ```python import albumentations as A from ultralytics import YOLO transform = A.Compose([ A.Rotate(limit=30, border_mode=0, value=(114,114,114), p=0.5) # 填充边界为灰色 ], bbox_params=A.BboxParams(format='yolo')) model = YOLO('yolov8n.yaml') model.train(data='data.yaml', augmentations=transform) ``` 注:需在训练代码中手动集成Albumentations[^1]。 --- #### 2. **调整饱和度** 饱和度增强由`hsv_s`参数控制(范围0-1): ```yaml augment: hsv_s: 0.7 # 原图饱和度×(1 ± 0.7)的随机扰动 ``` 或使用Albumentations的`ColorJitter`: ```python A.ColorJitter( brightness=0.3, # 亮度 contrast=0.3, # 对比度 saturation=0.7, # 饱和度 hue=0.1, # 色调 p=0.5 ) ``` --- #### 3. **调整亮度** 亮度调整通过`hsv_v`参数实现: ```yaml augment: hsv_v: 0.5 # 原图亮度×(1 ± 0.5)的随机变化 ``` 同样可通过Albumentations的`ColorJitter`实现更复杂调整。 --- ### 配置建议 1. 标准方法:修改`data.yaml`中的`hsv_h`(色调)、`hsv_s`(饱和度)、`hsv_v`(亮度)参数 2. 高级方法:通过Albumentations组合多种变换(需代码层集成) 3. 典型参数范围: - 旋转角度:`degrees: 10-45` - 饱和度:`hsv_s: 0.5-0.9` - 亮度:`hsv_v: 0.3-0.7` --- ### 效果验证 可使用以下代码可视化增强效果: ```python from ultralytics.data.utils import visualize_augmentations visualize_augmentations(dataset, n=5) # 显示5张增强后的样本 ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一鹿向晗99

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值