绵阳网站建设优化在哪里可以发布自己的广告
从文件夹中随机选择一定数量的图像，然后对每个选定的图像进行一次随机的数据增强变换。
import os
import random
import cv2
import numpy as np
from PIL import Image, ImageEnhance, ImageOps# 定义各种数据增强方法
def random_rotate(image, angle_range=(-30, 30)):angle = random.uniform(angle_range[0], angle_range[1])(h, w) = image.shape[:2]center = (w // 2, h // 2)M = cv2.getRotationMatrix2D(center, angle, 1.0)rotated = cv2.warpAffine(image, M, (w, h), borderMode=cv2.BORDER_REFLECT)return rotateddef random_translate(image, translate_range=(-50, 50)):tx = random.randint(translate_range[0], translate_range[1])ty = random.randint(translate_range[0], translate_range[1])(h, w) = image.shape[:2]M = np.float32([[1, 0, tx], [0, 1, ty]])translated = cv2.warpAffine(image, M, (w, h), borderMode=cv2.BORDER_REFLECT)return translateddef random_flip(image):flip_code = random.choice([-1, 0, 1])flipped = cv2.flip(image, flip_code)return flippeddef random_scale(image, scale_range=(0.8, 1.2)):scale = random.uniform(scale_range[0], scale_range[1])(h, w) = image.shape[:2]new_dim = (int(w * scale), int(h * scale))scaled = cv2.resize(image, new_dim, interpolation=cv2.INTER_LINEAR)return scaleddef random_crop(image, crop_size=(224, 224)):(h, w) = image.shape[:2]if crop_size[0] > h or crop_size[1] > w:# 当裁剪尺寸大于图像尺寸时，抛出异常或调整裁剪尺寸raise ValueError("Crop size is larger than image size.")top = random.randint(0, h - crop_size[0])left = random.randint(0, w - crop_size[1])cropped = image[top:top+crop_size[0], left:left+crop_size[1]]return croppeddef random_color_jitter(image):pil_image = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))color_jitter = ImageEnhance.Color(pil_image).enhance(random.uniform(0.6, 1.4))contrast_jitter = ImageEnhance.Contrast(color_jitter).enhance(random.uniform(0.5, 1.5))brightness_jitter = ImageEnhance.Brightness(contrast_jitter).enhance(random.uniform(0.6, 1.4))sharpness_jitter = ImageEnhance.Sharpness(brightness_jitter).enhance(random.uniform(0.6, 1.4))jittered = cv2.cvtColor(np.array(sharpness_jitter), cv2.COLOR_RGB2BGR)return jittereddef random_add_noise(image):row, col, ch = image.shapemean = 0var = 0.1sigma = var ** 0.5gauss = np.random.normal(mean, sigma, (row, col, ch))gauss = gauss.reshape(row, col, ch)noisy = image + gaussreturn np.clip(noisy, 0, 255).astype(np.uint8)# 数据增强主函数
def augment_random_images(src_folder, dst_folder, num_images_to_select, num_augmentations_per_image):if not os.path.exists(dst_folder):os.makedirs(dst_folder)# 获取所有图像文件名all_filenames = [f for f in os.listdir(src_folder) if f.lower().endswith(('.png', '.jpg', '.jpeg'))]# 如果选择的图像数量大于总图像数量，则只处理全部图像num_images_to_process = min(num_images_to_select, len(all_filenames))# 随机选择图像selected_filenames = random.sample(all_filenames, num_images_to_process)# 创建一个增强方法列表augmentation_methods = [random_rotate,#random_translate,random_flip,random_scale,#random_crop,random_color_jitter,random_add_noise]for filename in selected_filenames:img_path = os.path.join(src_folder, filename)image = cv2.imread(img_path)for i in range(num_augmentations_per_image):# 随机选择一种增强方法augmentation_method = random.choice(augmentation_methods)# 应用选中的增强方法augmented_img = augmentation_method(image)# 保存增强后的图像base_name, ext = os.path.splitext(filename)save_path = os.path.join(dst_folder, f"{base_name}_aug_{i}{ext}")cv2.imwrite(save_path, augmented_img)if __name__ == "__main__":src_folder = 'path/to/source/folder' # 替换为你的源文件夹路径dst_folder = 'path/to/destination/folder' # 替换为你要保存增强图像的文件夹路径num_images_to_select = 10 # 从源文件夹中随机选择的图像数量num_augmentations_per_image = 5 # 每张图像生成的增强图像数量augment_random_images(src_folder, dst_folder, num_images_to_select, num_augmentations_per_image)print(f"图像增强完成，增强后的图像已保存到 {dst_folder}")说明
- 随机选择图像：从源文件夹中随机选择num_images_to_select数量的图像。
- 随机选择一种增强方法：对于每张选定的图像，随机选择一种数据增强方法。
- 应用增强方法：对每张选定的图像应用所选的增强方法。
- 保存增强后的图像：将增强后的图像保存到目标文件夹中。
参数
•src_folder：源文件夹路径。
•dst_folder：目标文件夹路径。
•num_images_to_select：从源文件夹中随机选择的图像数量。
•num_augmentations_per_image：每张选定的图像生成的增强图像数量。
请确保将src_folder和dst_folder变量设置为您实际使用的文件夹路径，并根据需要调整num_images_to_select和num_augmentations_per_image的值。运行这段代码后，将得到从源文件夹中随机选择的图像，并对这些图像进行了随机的数据增强变换。