[PYTHON] Augmentation des données avec openCV

introduction

Comment allez-vous tous les jours chauds d'août?
Je suis sur le point de fondre, mais en écoutant la nouvelle chanson de Genshi Yonezu </ strong> Je code dans une pièce où je ne connais pas le jour et la nuit lorsque l'air est frais. </ Strong>

Que dites-vous les gars l'été?

• Festival d'été? --Feux d'artifice?
• glace pilée?

Non, l'été est l'été de *** Augmentation des données! !! !! *** *** J'écrirai donc une méthode d'augmentation des données avec openCV au lieu d'un mémo.

C'est pour qui

• Les personnes qui souhaitent augmenter les données augmentent une grande quantité de données tout en conservant la structure des répertoires!
• Les personnes qui se fâchent contre quelqu'un qui ne crée pas de données rapidement -Les gens qui ont du mal à programmer! --Exécuter avec la commande suivante
  

python3 img_change.py input_directory output_directory

--Exemple

python3 img_change.py /data/imageset /data/imagser_change

programme

img_change.py

# -*- coding: utf-8 -*-
import numpy as np

import os
import cv2
import sys
import pathlib
import glob
from scipy.signal import qspline1d, qspline1d_eval, qspline2d,cspline2d


if len(sys.argv) != 3:
    print("python3 test.py inputdir outputdir")
    sys.exit()
else:   
    input_path = sys.argv[1]
    file_list = glob.glob(input_path + "/**/**.png ", recursive=True)
    for item in file_list:
        split_name = item.split('/')
        output_name = sys.argv[2] + "/" + split_name[-3] + "/" + split_name[-2] + "/" + split_name[-1]
        output_dir = sys.argv[2] + "/" + split_name[-3] + "/" + split_name[-2]
        pathlib.Path(output_dir).mkdir(parents=True,exist_ok=True)
        img = cv2.imread(item, cv2.IMREAD_UNCHANGED)  # read image
        
        #Partie de traitement d'image
        ###Augmente la luminosité de l'image
        chg_img=img*1.2 #Double la luminosité

        
        ###Redimensionnement de l'image
        height = img.shape[0]
        #img.shape[0]*0.5 moitié de la taille de l'original
        width = img.shape[1]
        chg_img = cv2.resize(img , (int(width), int(height)))

        ###CLAHE (redistribution afin que l'histogramme soit aussi uniformément distribué que possible)
        clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
        chg_img = clahe.apply(img)

        ###bruit
        row,col,ch = img.shape
        #blanc
        pts_x = np.random.randint(0, col-1 , 1000) #À partir de 0(col-1)Faites un millier de nombres aléatoires jusqu'à
        pts_y = np.random.randint(0, row-1 , 1000)
        img[(pts_y,pts_x)] = (255,255,255) #y,Notez que l'ordre est x

        #noir
        pts_x = np.random.randint(0, col-1 , 1000)
        pts_y = np.random.randint(0, row-1 , 1000)
        img[(pts_y,pts_x)] = (0,0,0)

        ###Déformer l'image
        chg_img = cv2.flip(img, 1) #Inverser horizontalement
        chg_img = cv2.flip(img, 0) #Inverser verticalement


        cv2.imwrite(output_name,chg_img )  #write image

--Dans le programme ci-dessus, le programme est créé avec la structure de répertoires suivante.

$ tree
/data
└── val
    ├── A1
    │   │  
    │   ├── 0.png
    │   ├── 1.png
    │   ├── 2.png
    │   └── ....
    ├── B1
    │   │  
    │   ├── 0.png
    │   ├── 1.png
    │   ├── 2.png
    │   └── ....    
    │            
    train
    ├── A1
    │   │  
    │   ├── 0.png
    │   ├── 1.png
    │   ├── 2.png
    │   └── ....
    ├── B1
    │   │  
    │   ├── 0.png
    │   ├── 1.png
    │   ├── 2.png
    │   └── ....    
    │              
    test
    ├── A1
    │   │  
    │   ├── 0.png
    │   ├── 1.png
    │   ├── 2.png
    │   └── ....
    ├── B1
    │   │  
    │   ├── 0.png
    │   ├── 1.png
    │   ├── 2.png
    │   └── ....    
    │            
    └── 

• Par conséquent, cela ressemble à obtenir tous les fichiers .png dans le répertoire deux sous le répertoire spécifié sous forme de liste.

À la fin

――Il existe différentes manières de changer l'image, alors vérifiez-la avec le traitement d'image OpenCV. --Site de référence Traitement d'image avec Python ② Augmentation des données (image gonflée)