六种常见的数据扩增方式(附代码)

在某些场景下的目标检测中,样本数量较小,导致检测的效果比较差,这时就需要进行数据扩增。本文介绍常用的6类数据扩增方式,包括裁剪、平移、改变亮度、加入噪声、旋转角度以及镜像。

每一部分的参考资料也附在代码的介绍位置,大家可以参考。

裁剪(需要改变bbox):裁剪后的图片需要包含所有的框,否则会对图像的原始标注造成破坏。

 def _crop_img_bboxes(self,img,bboxes):
        '''
        裁剪后图片要包含所有的框
        输入:
            img:图像array
            bboxes:该图像包含的所有boundingboxes,一个list,每个元素为[x_min,y_min,x_max,y_max]
                    要确保是数值
        输出:
            crop_img:裁剪后的图像array
            crop_bboxes:裁剪后的boundingbox的坐标,list
        '''
        #------------------ 裁剪图像 ------------------
        w = img.shape[1]
        h = img.shape[0]
        
        x_min = w
        x_max = 0
        y_min = h
        y_max = 0
        for bbox in bboxes:
            x_min = min(x_min, bbox[0])
            y_min = min(y_min, bbox[1])
            x_max = max(x_max, bbox[2])
            y_max = max(y_max, bbox[3])
            name = bbox[4]
        
        # 包含所有目标框的最小框到各个边的距离
        d_to_left = x_min
        d_to_right = w - x_max
        d_to_top = y_min
        d_to_bottom = h - y_max
        
        # 随机扩展这个最小范围
        crop_x_min = int(x_min - random.uniform(0, d_to_left))
        crop_y_min = int(y_min - random.uniform(0, d_to_top))
        crop_x_max = int(x_max + random.uniform(0, d_to_right))
        crop_y_max = int(y_max + random.uniform(0, d_to_bottom))
        
        # 确保不出界
        crop_x_min = max(0, crop_x_min)
        crop_y_min = max(0, crop_y_min)
        crop_x_max = min(w, crop_x_max)
        crop_y_max = min(h, crop_y_max)
        
        crop_img = img[crop_y_min:crop_y_max, crop_x_min:crop_x_max]
        
        #------------------ 裁剪bounding boxes ------------------
        crop_bboxes = list()
        for bbox in bboxes:
            crop_bboxes.append([bbox[0]-crop_x_min, bbox[1]-crop_y_min,
                               bbox[2]-crop_x_min, bbox[3]-crop_y_min,name])
        
        return crop_img, crop_bboxes

平移(需要改变bbox):平移后的图片需要包含所有的框,否则会对图像的原始标注造成破坏。

def _shift_pic_bboxes(self, img, bboxes):
        '''
        平移后需要包含所有的框
        参考资料:https://blog.csdn.net/sty945/article/details/79387054
        输入:
            img:图像array
            bboxes:该图像包含的所有boundingboxes,一个list,每个元素为[x_min,y_min,x_max,y_max]
                    要确保是数值
        输出:
            shift_img:平移后的图像array
            shift_bboxes:平移后的boundingbox的坐标,list
        '''
        #------------------ 平移图像 ------------------
        w = img.shape[1]
        h = img.shape[0]
        
        x_min = w
        x_max = 0
        y_min = h
        y_max = 0
        for bbox in bboxes:
            x_min = min(x_min, bbox[0])
            y_min = min(y_min, bbox[1])
            x_max = max(x_max, bbox[2])
            y_max = max(x_max, bbox[3])
            name = bbox[4]
        
        # 包含所有目标框的最小框到各个边的距离,即每个方向的最大移动距离
        d_to_left = x_min
        d_to_right = w - x_max
        d_to_top = y_min
        d_to_bottom = h - y_max
        
        #在矩阵第一行中表示的是[1,0,x],其中x表示图像将向左或向右移动的距离,如果x是正值,则表示向右移动,如果是负值的话,则表示向左移动。 
        #在矩阵第二行表示的是[0,1,y],其中y表示图像将向上或向下移动的距离,如果y是正值的话,则向下移动,如果是负值的话,则向上移动。
        x = random.uniform(-(d_to_left/3), d_to_right/3)
        y = random.uniform(-(d_to_top/3), d_to_bottom/3)
        M = np.float32([[1, 0, x], [0, 1, y]])
        
        # 仿射变换
        shift_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0])) #第一个参数表示我们希望进行变换的图片,第二个参数是我们的平移矩阵,第三个希望展示的结果图片的大小
        
        #------------------ 平移boundingbox ------------------
        shift_bboxes = list()
        for bbox in bboxes:
            shift_bboxes.append([bbox[0]+x, bbox[1]+y, bbox[2]+x, bbox[3]+y, name])
        
        return shift_img, shift_bboxes

改变亮度:改变亮度比较简单,不需要处理bounding boxes

def _changeLight(self,img):
        '''
        adjust_gamma(image, gamma=1, gain=1)函数:
        gamma>1时,输出图像变暗,小于1时,输出图像变亮
        输入:
            img:图像array
        输出:
            img:改变亮度后的图像array
        '''
        flag = random.uniform(0.5, 1.5) ##flag>1为调暗,小于1为调亮
        return exposure.adjust_gamma(img, flag) 

加入噪声:加入噪声也比较简单,不需要处理bounding boxes

    def _addNoise(self,img):
        '''
        输入:
            img:图像array
        输出:
            img:加入噪声后的图像array,由于输出的像素是在[0,1]之间,所以得乘以255
        '''
        return random_noise(img, mode='gaussian', clip=True) * 255

旋转:旋转后的图片需要包含所有的框,否则会对图像的原始标注造成破坏。需要注意的是,旋转时图像的一些边角可能会被切除掉,需要避免这种情况。

 def _rotate_img_bboxes(self, img, bboxes, angle=5, scale=1.):
        '''
        参考:https://blog.csdn.net/saltriver/article/details/79680189
              https://www.ctolib.com/topics-44419.html
        关于仿射变换:https://www.zhihu.com/question/20666664
        输入:
            img:图像array,(h,w,c)
            bboxes:该图像包含的所有boundingboxs,一个list,每个元素为[x_min, y_min, x_max, y_max],要确保是数值
            angle:旋转角度
            scale:默认1
        输出:
            rot_img:旋转后的图像array
            rot_bboxes:旋转后的boundingbox坐标list
        '''
        #---------------------- 旋转图像 ----------------------
        w = img.shape[1]
        h = img.shape[0]
        # 角度变弧度
        rangle = np.deg2rad(angle)
        # 计算新图像的宽度和高度,分别为最高点和最低点的垂直距离
        nw = (abs(np.sin(rangle)*h) + abs(np.cos(rangle)*w))*scale  
        nh = (abs(np.cos(rangle)*h) + abs(np.sin(rangle)*w))*scale
        # 获取图像绕着某一点的旋转矩阵
        # getRotationMatrix2D(Point2f center, double angle, double scale)
                            # Point2f center:表示旋转的中心点
                            # double angle:表示旋转的角度
                            # double scale:图像缩放因子
                            #参考:https://cloud.tencent.com/developer/article/1425373
        rot_mat = cv2.getRotationMatrix2D((nw*0.5, nh*0.5), angle, scale) # 返回 2x3 矩阵
        # 新中心点与旧中心点之间的位置
        rot_move = np.dot(rot_mat,np.array([(nw-w)*0.5, (nh-h)*0.5,0]))
        # the move only affects the translation, so update the translation
        # part of the transform
        rot_mat[0,2] += rot_move[0]
        rot_mat[1,2] += rot_move[1]
        # 仿射变换
        rot_img = cv2.warpAffine(img, rot_mat, (int(math.ceil(nw)), int(math.ceil(nh))), flags=cv2.INTER_LANCZOS4) # ceil向上取整
        
        #---------------------- 矫正boundingbox ----------------------
        # rot_mat是最终的旋转矩阵
        # 获取原始bbox的四个中点,然后将这四个点转换到旋转后的坐标系下
        rot_bboxes = list()
        for bbox in bboxes:
            x_min = bbox[0]
            y_min = bbox[1]
            x_max = bbox[2]
            y_max = bbox[3]
            name = bbox[4]
            point1 = np.dot(rot_mat, np.array([(x_min+x_max)/2, y_min,1]))
            point2 = np.dot(rot_mat, np.array([x_max, (y_min+y_max)/2, 1]))
            point3 = np.dot(rot_mat, np.array([(x_min+x_max)/2, y_max, 1]))
            point4 = np.dot(rot_mat, np.array([x_min, (y_min+y_max)/2, 1]))
            
            # 合并np.array
            concat = np.vstack((point1, point2,point3,point4)) # 在竖直方向上堆叠
            # 改变array类型
            concat = concat.astype(np.int32)
            # 得到旋转后的坐标
            rx, ry, rw, rh = cv2.boundingRect(concat)
            rx_min = rx
            ry_min = ry
            rx_max = rx+rw
            ry_max = ry+rh
            # 加入list中
            rot_bboxes.append([rx_min, ry_min, rx_max, ry_max,name])
        
        return rot_img, rot_bboxes

镜像:旋转后的图片需要包含所有的框,否则会对图像的原始标注造成破坏。这里只介绍两种镜像方式:水平翻转和垂直翻转

 # 镜像
    def _flip_pic_bboxes(self, img, bboxes):
        '''
        参考:https://blog.csdn.net/jningwei/article/details/78753607
        镜像后的图片要包含所有的框
        输入:
            img:图像array
            bboxes:该图像包含的所有boundingboxs,一个list,每个元素为[x_min, y_min, x_max, y_max],要确保是数值
        输出:
            flip_img:镜像后的图像array
            flip_bboxes:镜像后的bounding box的坐标list
        '''
        # ---------------------- 镜像图像 ----------------------
        import copy
        flip_img = copy.deepcopy(img)
        if random.random() < 0.5:
            horizon = True
        else:
            horizon = False
        h, w, _ = img.shape
        if horizon: # 水平翻转
            flip_img = cv2.flip(flip_img, -1)
        else:
            flip_img = cv2.flip(flip_img, 0)
        # ---------------------- 矫正boundingbox ----------------------
        flip_bboxes = list()
        for bbox in bboxes:
            x_min = bbox[0]
            y_min = bbox[1]
            x_max = bbox[2]
            y_max = bbox[3]
            name = bbox[4]
            if horizon:
                flip_bboxes.append([w-x_max, y_min, w-x_min, y_max, name])
            else:
                flip_bboxes.append([x_min, h-y_max, x_max, h-y_min, name])
        
        return flip_img, flip_bboxes

你可能感兴趣的