Python基于域相关实现图像增强的方法教程_开发_开发者

介绍

当在图像上训练深度神经网络模型时，通过对由数据增强生成的http://www.cppcns.com更多图像进行训练，可以使模型更好地泛化。常用的增强包括水平和垂直翻转/移位、以一定角度和方向（顺时针/逆时针）随机旋转、亮度、饱和度、对比度和缩放增强。

python中一个非常流行的图像增强库是albumentations(https://albumentations.ai/)，通过直观的函数和优秀的文档，可以轻松地增强图像。它也可以与PyTorch和TensorFlow等流行的深度学习框架一起使用。

域相关的数据增强

直觉

背后的想法来自于在现实中可能遇到的图像。例如，像雪或雨滴这样的增强是不应该在x射线图像中发现的增强，但胸管和起搏器是可以在x射线图像中发现的增强。

这个想法从何而来

改变了Roman (@ nroman on Kaggle)为SIIM-ISIC黑色素瘤分类比赛做增强的方法。有关他的方法的详细信息，请参见：https://www.kaggle.com/c/siim-isic-melanoma-classification/discussion/159176. 增强的一个片段如下所示：

Python基于域相关实现图像增强的方法教程

原始图像（左上方）和头发增强图像（右上方）

此文确实在我们的模型训练中使用了他的增强函数，这有助于提高我们大多数模型的交叉验证（CV）分数。

想说的是，这种形式的增强可能在我们的最终排名中发挥了关键作用！从那时起，使用头发（或一般的人工制品）来增强图像数据的想法在我参加的后续比赛中非常接近，并尽可能地加以应用。

特别是，该方法被推广并应用于全球小麦检测、木薯叶病分类挑战赛。

昆虫增强

正如标题所示，这种方法包括用昆虫增强图像。这可以是数据中的一种自然设置，因为昆虫通常在空中或地面上被发现。

在本例中，在木薯和全球小麦检测竞赛中，蜜蜂被用作增强叶片图AjzJcC像时的首选昆虫。以下是增强图像的外观示例：

蜜蜂在叶子周围飞翔的增强图像

Python基于域相关实现图像增强的方法教程

我们还可以使用掩码形式，导致图像中出现黑点（类似于相册中的脱落），即没有颜色和黑色的蜜蜂：

增强图像，黑色/黑色蜜蜂围绕树叶飞行

Python基于域相关实现图像增强的方法教程

以下以Albumentations风格编写的代码允许增强函数与来自Albumentations库的其他增强函数一起轻松使用:

from albumentations.core.transforms_interface import ImageOnlyTransform
    
class InsectAugmentation(ImageOnlyTransform):
    """
    将昆虫的图像强加到目标图像上
    -----------------------------------------------
    参数:
        insects (int): 昆虫的最大数量
        insects_folder (str): 昆虫图片文件夹的路径
    """
 
    def __init__(self, insects=2, dark_insect=False, always_apply=False, p=0.5):
        super().__init__(always_apply, p)
        self.insects = insects
        self.dAjzJcCark_insect = dark_insect
        self.insects_folder = "/kaggle/input/bee-augmentation/"
 
    def apply(self, image, **kwargs):
        """
        参数:
            image (PIL Image): 画昆虫的图像。
        Returns:
            PIL Image: 带昆虫的图像。
        """
        n_insects = random.randint(1, self.insects) # 在这个例子中，我用1而不是0来说明增强效果
        
        if not n_insects:
            return image
        
        height, width, _ = image.shape  # 目标图像的宽度和高度
        insects_images = [im for im in os.listdir(self.insects_folder) if 'png' in im]
        
        for _ in range(n_insects):
            insect = cv2.cvtColor(cv2.imread(os.path.join(self.insects_folder, random.choice(insects_images))), cv2.COLOR_BGR2RGB)
            insect = cv2.flip(insect, random.choice([-1, 0, 1]))
            insect = cv2.rotate(insect, random.choice([0, 1, 2]))
 
            h_height, h_width, _ = insect.shape  # 昆虫图像的宽度和高度
            roi_ho = random.randint(0, image.shape[0] - insect.shape[0])
            roi_wo = random.randint(0, image.shape[1] - insect.shape[1])
            roi = image[roi_ho:roi_ho + h_height, roi_wo:roi_wo + h_width]
 
            # 创建掩码和反掩码
            img2gray = cv2.cvtColor(insect, cv2.COLOR_BGR2GRAY)
            ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)
            mask_inv = cv2.bitwise_not(mask)
 
            # 现在黑掉的区域是昆虫
            img_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
 
            # 从昆虫图像中只选取昆虫区域。
            if self.dark_insect:
                img_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
                insect_fg = cv2.bitwise_and(img_bg, img_bg, mask=mask)
            else:
                insect_fg = cv2.bitwise_and(insect, insect, mask=mask)
 
            # 添加
            dst = cv2.add(img_bg, insect_fg, dtype=cv2.CV_64F)
 
            image[roi_ho:roi_ho + h_height, roi_wo:roi_wo + h_width] = dst
                
        return image

如果你希望使用黑色版本，请将dark_insect设置为True。在这个Kaggle笔记本中可以找到一个示例实现：https:/AjzJcC/www.kaggle.com/khoongweihao/insect-augmentation-with-efficientdet-d6/notebook

使用针的增强

在这种方法中，使用针来增强图像，例如可以是x射线图像。以下是增强图像的外观示例：

x光片左侧带针头的增强图像

Python基于域相关实现图像增强的方法教程

类似地，我们可以使用黑色版本的针，从而生成以下增强图像：

x射线两侧带有黑色/黑色针头的增强图像

Python基于域相关实现图像增强的方法教程

作为上述扩展模块的代码片段如下所示：

def NeedleAugmwww.cppcns.comentation(image, n_needles=2, dark_needles=False, p=0.5, needle_folder='../input/xray-needle-augmentation'):
    aug_prob = random.random()
    if aug_prob < p:
        height, width, _ = image.shape  # 目标图像的宽度和高度
        needle_images = [im for im in os.listdir(needle_folder) if 'png' in im]
 
        for _ in range(1, n_needles):
            needle = cv2.cvtColor(cv2.imread(os.path.join(needle_folder, random.choice(needle_images))), cv2.COLOR_BGR2RGB)
            needle = cv2.flip(needle, random.choice([-1, 0, 1]))
            needle = cv2.rotate(needle, random.choice([0, 1, 2]))
 
            h_height, h_width, _ = needle.shape  # 针图像的宽度和高度
            roi_ho = random.randint(0, abs(image.shape[0] - needle.shape[0]))
            roi_wo = random.randint(0, abs(image.shape[1] - needle.shape[1]))
            roi = image[roi_ho:roi_ho + h_height, roi_wo:roi_wo + h_width]
 
            # 创建掩码和反掩码
            img2gray = cv2.cvtColor(needle, cv2.COLOR_BGR2GRAY)
            ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY)
            mask_inv = cv2.bitwise_not(mask)
 
            # 现在黑掉的区域是针
            img_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
 
            # 只选取针区域。
            if dark_needles:
                img_bg = cv2.bitwise_and(roi, roi, mask=mask_inv)
                needle_fg = cv2.bitwise_and(img_bg, img_bg, mask=mask)
            else:
                needle_fg = cv2.bitwise_and(needle, needle, mask=mask)
 
            # 添加
            dst = cv2.add(img_bg, needle_fg, dtype=cv2.CV_64F)
 
            image[roi_ho:roi_ho + h_height, roi_wo:roi_wo + h_width] = dst
 
    return image

请注意，以上内容不是Albumentations格式，不能直接应用于常规Albumentations增强。必须进行一些调整，使其与上述昆虫/蜜蜂增强中的格式相同。但变化应该很小！

同样，如果你希望使用黑色版本，请将dark_Piners设置为True。在我的Kaggle笔记本中可以找到一个示例实现：https://www.kaggle.com/khoongweihao/x-ray-needle-augmentation-et-al/notebook.