图像数据增强albumentations之自然景色

news2024/10/1 7:07:54

一背景

最近在做关于图像数据增强方面，发现albumentations这个包比较好用，在此学习一下如何使用API

二 albumentations 安装

注意，注意，注意　python版本3.8
pip install -U albumentations

三 API学习

1 模拟雨水

import os
import cv2

import random
import albumentations as ai

from matplotlib import pyplot as plt

def read_img():
    img_path = '/home/zj/Desktop/000000295809.jpg'
    img      = cv2.imread(img_path)
    img      = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

    return img

def visualize(img):
    plt.figure(figsize=(20, 10))
    plt.axis('off')
    plt.imshow(img)

new_img = read_img()
visualize(new_img)

"""
参数说明
slant_range（tuple[int，int]）：降雨倾斜角度的范围，单位为度.负值向左倾斜，正值向右倾斜。默认值：（-10，10)
drop_length（int）：雨滴的长度（像素）。默认值：20
drop_width（int） ：雨滴的宽度（像素）。默认值：1
drop_color（tuple[int，int，int]）：RGB格式的雨滴颜色。默认值：（200，200，200）
blur_value（int）：用于模拟降雨效果的模糊值。雨天的景色通常很模糊。默认值：7
brightness_coefficient（float）：调整图像亮度的系数.雨天通常更暗。应在（0，1]）范围内。默认值：0.7
rain_type（[“毛毛雨”、“大雨”、“暴雨”、“默认”]）：要模拟的雨类型. ["drizzle", "heavy", "torrential", "default"]
p（float）：应用变换的概率。默认值：0.5
"""

img = read_img()
tranform = ai.Compose(ai.RandomRain(brightness_coefficient=0.9, drop_width=2, blur_value=5, p=1, rain_type='default')) 
random.seed(1)
tranformed = tranform(image = img)
visualize(tranformed['image'])

效果图如下
在这里插入图片描述

2 模拟下雪

"""
参数说明
snow_point_range（tuple[float，float]）：雪点阈值的范围。这两个值都应在（0,1）范围内。默认值：（0.1，0.3）
brightness_coeff（float）：用于增加像素亮度的系数。应大于0。默认值：2.5，
method：[“漂白剂”，“纹理”]，：要使用的雪模拟方法，默认值：“纹理”　[('bleach', 'texture')]
p（float）：应用变换的概率。默认值：0.5
"""
img = read_img()
tranform = ai.Compose(ai.RandomSnow(brightness_coefficient=0.9, p=1, method='bleach')) 
random.seed(1)
tranformed = tranform(image = img)
visualize(tranformed['image'])

效果图如下
在这里插入图片描述

3. 模拟光斑

"""
flare_roi（tuple[float，float，flot，float]）：太阳耀斑发生的感兴趣区域可以出现。值在[0,1]范围内，表示（x_min，y_min，x_max，y_max）
在相对坐标系中。默认值：（0，0，1，0.5）
angle_range（tuple[float，float]）：耀斑方向的角度范围（以弧度为单位）值应在[0,1]范围内，其中0表示0弧度，1表示2π弧度。默认值：（0，1）
num_flare_circles_range（tuple[int，int]）：要生成的耀斑圆数的范围默认值：（6，10）
src_radius（int）：太阳圆的半径（像素）。默认值：400
src_color (tuple[int, int, int]): Color of the sun in RGB format. Default: (255, 255, 255).
method:用于生成太阳耀斑的方法“overlay”使用简单的alpha混合技术，而“physics-based”则模拟更真实的光学现象,默认值physics-based
p（float）：应用变换的概率。默认值：0.5。
"""
img = read_img()
tranforme = ai.Compose(ai.RandomSunFlare(brightness_coefficient=0.1, num_flare_circles_range=(3,6), src_radius = 200, angle_range = (0, 0.6), p=1))
#random.seed(1)
tranformed = tranforme(image=img)
visualize(tranformed['image'])

效果图如下
在这里插入图片描述

4. 模拟阴影

"""
shadow_roi（tuple[float，float，float，float]）：图像中阴影所在的区域将出现（x_min，y_min，x_max，y_max）。
所有值都应在[0,1]范围内.默认值：（0，0.5，1，1）
num_shadows_limit（tuple[int，int]）：阴影可能数量的下限和上限.默认值：（1，2）
shadow_dimension（int）：阴影多边形中的边数。默认值：5
shadow_intensity_range（tuple[float，float]）：阴影强度的范围。应为介于0和1之间的两个浮点值。默认值：（0.5，0.5）
p（float）：应用变换的概率。默认值：0.5。
"""
img = read_img()
#random.seed(1)
tranform = ai.Compose(ai.RandomShadow(shadow_roi=(0,0,0.7,0.7), num_shadows_limit=(1,3), p=1))
tranformed = tranform(image=img)
visualize(tranformed['image'])

效果图如下
在这里插入图片描述

5.模拟雾

"""
fog_coef_range（tuple[float，float]）：雾强度系数的范围。应在[0,1]范围内。
alpha_coef（float）：雾圈的透明度。应在[0,1]范围内。默认值：0.08。
p（float）：应用变换的概率。默认值：0.5。
"""
img = read_img()
random.seed(1)
tranforme = ai.Compose(ai.RandomFog(fog_coef_range=(0.7, 0.8), alpha_coef = 0.5, p=1))
tranformed = tranforme(image=img)
visualize(tranformed['image'])