图像增强︱window7+opencv3.2+keras/theano简单应用(函数解读)

在服务器上安装opencv遇到跟CUDA8.0不适配的问题,于是不得不看看其他机器是否可以预装并使用。 .

一、python+opencv3.2安装

opencv在windows安装为啥这么简单? 安装流程: 1、下载opencv文件opencv-3.2.0-vc14.exe 2、点击下载,其实就是解压过程,随便放在一个盘里面。 3、python部署阶段, 进入OpenCV的安装目录下找到+复制:\build\python\2.7\x64\cv2.pyd 将cv2.pyd复制到python的子目录:\Lib\site-packages\ 4、即可直接调用:

import cv2

.

二、windows+keras/theano

Keras深度学习框架是基于Theano或Tensorflow框架安装的,所以首先要准备底层框架的搭建,用tensorflow比较麻烦,所以选用Theano安装即可。

1、tensorflow/keras框架

同时如果要使用tensorflow0.12版本+python3.5及以上,也可以使用Anaconda 3.5. 一种比较好的方式使用docker: 参考:TensorFlow 官方文档中文版、下载与安装

如果要使用原生的window安装:

  • (1)前提:现有了python3.5或Anaconda 3.5
  • (2)下载:tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl,下载的东西放在某文件夹中
  • (3)在Power Shell中输入下述命令实现本地安装:
pip install F:\DevResources\tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl
  • (4)验证安装

到“所有程序”下找到”Python 3.5 64bit”,出现命令窗口,输入测试代码:

>>>import tensorflow as tf
>>>sess = tf.Session()
>>>a = tf.constant(10)
>>>b = tf.constant(22)
>>>print(sess.run(a + b))
32

正确输出32则为成功安装。

报错无法正常下载numpy 1.11.0:参考博客:原生Windows安装TensorFlow 0.12方法 .

2、theano/keras框架

安装过程:

  • (1)安装theano,Power Shell中输入:
pip install theano -U --pre
  • (2)安装keras:
pip install keras -U --pre
  • (3)修改默认后端:很关键,不然会一直报错:ImportError: No module named tensorflow 因为,keras默认后端是给tensorflow, 打开C:\Users\当前用户名.keras,修改文件夹内的keras.json文件如下:
{
"image_dim_ordering":"th",
"epsilon":1e-07,
"floatx":"float32",
"backend":"theano"
}
  • (4)验证安装
>>>import keras
Using Theano(Tensorflow) backend.
>>>

当然,还有theano的加速模式,可参考: Keras安装和配置指南(Windows) .

三、用python+keras/theano进行图像增强(Data Augmentation)

1、图像增强的方式

以下一共有8中图像变换的方式:

  • 旋转 | 反射变换(Rotation/reflection): 随机旋转图像一定角度; 改变图像内容的朝向;
  • 翻转变换(flip): 沿着水平或者垂直方向翻转图像;
  • 缩放变换(zoom): 按照一定的比例放大或者缩小图像;
  • 平移变换(shift): 在图像平面上对图像以一定方式进行平移; 可以采用随机或人为定义的方式指定平移范围和平移步长, 沿水平或竖直方向进行平移. 改变图像内容的位置;
  • 尺度变换(scale): 对图像按照指定的尺度因子, 进行放大或缩小; 或者参照SIFT特征提取思想, 利用指定的尺度因子对图像滤波构造尺度空间. 改变图像内容的大小或模糊程度;
  • 对比度变换(contrast): 在图像的HSV颜色空间,改变饱和度S和V亮度分量,保持色调H不变. 对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间), 增加光照变化;
  • 噪声扰动(noise): 对图像的每个像素RGB进行随机扰动, 常用的噪声模式是椒盐噪声和高斯噪声;
  • 颜色变换(color): 在训练集像素值的RGB颜色空间进行PCA, 得到RGB空间的3个主方向向量,3个特征值 .

2、图像增强的案例

网上有一个极为广泛的套路,参考博客《深度学习中的Data Augmentation方法和代码实现》、《深度学习中的数据增强实现(Data Augmentation)》、《keras中文文档-图片预处理》

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

# 主要的增强函数
datagen = ImageDataGenerator(
        rotation_range=0.2,
        # 整数,旋转范围, 随机旋转(0-180)度
        width_shift_range=0.2,
        # 浮点数,以图像的长宽小部分百分比为变化范围进行横向平移
        height_shift_range=0.2,
        # 浮点数,以图像的长宽小部分百分比为变化范围进行竖直平移
        shear_range=0.2,
        # 浮点数,水平或垂直投影变换
        zoom_range=0.2,
        # 浮点数,随机缩放的幅度,[lower,upper] = [1 - zoom_range, 1+zoom_range]
        horizontal_flip=True,
        # 布尔值,进行随机水平翻转
        fill_mode='nearest')
        # 填充像素,超出边界时,有四种方式:‘constant’、‘nearest’、‘reflect’、‘wrap’
# featurewise_center=True  # 使输入数据集去中心化(均值为0)
# featurewise_std_normalization=True #将输入除以数据集的标准差以完成标准化
# rescale=1./255,#重放缩因子,默认为None. 如果为None或0则不进行放缩,否则会将该数值乘到数据上(在应用其他变换之前)
# zca_whitening=True #对输入数据施加ZCA白化
# channel_shift_range=0.2 #随机通道偏移的幅度
# vertical_flip=True #布尔值,进行随机竖直翻转



#数据导入
img = load_img('C:\\Users\\Desktop\\003.jpg')  
x = img_to_array(img)  
x = x.reshape((1,) + x.shape)  
# the .flow() command below generates batches of randomly transformed images
# and saves the results to the `preview/` directory
i = 0
for batch in datagen.flow(x, 
                          batch_size=1,
                          save_to_dir='C:\\Users\\Desktop',  
                          #存放文件夹
                          save_prefix='lena', 
                          #存放文件名字
                          save_format='jpg'):
    i += 1
    if i > 20:
        break 

其中: ImageDataGenerator是图像增强的主要函数,里面包含了很多类型的增强方法 load_img、img_to_array、x.reshape图像载入函数 datagen.flow,增强执行函数

其中:

  • load_img函数:
load_img(path, grayscale=False, target_size=None)
#path:图像载入的路径
#grayscale:是否只载入灰度,默认为false
#target_size:是否需要重新框定大小,默认是原图大小,其中如果要修改,则类似:
image.load_img(img_path, target_size=(224, 224))
  • img_to_array函数:
img_to_array(img, dim_ordering='default')
#img,load_img之后的内容
#dim_ordering,图像的格式是否更改,一般是default,不做任何更改

函数源码来源: https://github.com/fchollet/keras/blob/master/keras/preprocessing/image.py

.

延伸一:win下theano安装报错

ImportError: cannot import name gof

网上的解决方案为:

pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git

但是windows里面没有git,于是我安装了git之后,执行上述内容,的确安装完成,但是就是Import不了… 无解了….

也有人说重新安装theano

http://blog.csdn.net/zhouyongsdzh/article/details/24449645 .

延伸二:python中常用数据增强的library

下面这个Github的作者做了一个library, 实现了N种 data augmentation, 还嫌你的数据太少吗。。。试试吧!! 输入一只小老鼠,输出一窝小老鼠。 github地址:https://github.com/aleju/imgaug

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器学习算法与Python学习

Pytorch | BERT模型实现,提供转换脚本【横扫NLP】

《谷歌终于开源BERT代码:3 亿参数量,机器之心全面解读》,上周推送的这篇文章,全面解读基于TensorFlow实现的BERT代码。现在,PyTorch用户的...

1311
来自专栏北京马哥教育

20行 Python 代码实现验证码识别

一、探讨 识别图形验证码可以说是做爬虫的必修课,涉及到计算机图形学,机器学习,机器视觉,人工智能等等高深领域…… 简单地说,计算机图形学的主要研究内容就是研究如...

5738
来自专栏贾志刚-OpenCV学堂

使用Tensorflow Object Detection API实现对象检测

Tensorflow Object Detection API自从发布以来,其提供预训练模型也是不断更新发布,功能越来越强大,对常见的物体几乎都可以做到实时准确...

1393
来自专栏数据小魔方

气泡图(bubble)

今天跟大家分享的是气泡图! ▽▼▽ EXCEL制作的气泡图需要三个序列数据,除了通常必须的X轴、Y轴之外,还需要第三列数据,用来指定气泡面积大小。 ●●●●● ...

5015
来自专栏大数据智能实战

基于tensorflow 1.0的图像叙事功能测试(model/im2txt)

作为多模态数据处理的经典,图像自动打标签(图像叙事功能)一直是一项非常前沿的技术,涉及到机器视觉,自然语言处理等模块。 幸运的是,谷歌基于tensorflow将...

5886
来自专栏机器之心

手把手教你为iOS系统开发TensorFlow应用(附开源代码)

选自machinethink.net 机器之心编译 参与:赵华龙、邵明、吴攀、李泽南 在你使用深度神经网络做预测之前,你首先要训练神经网络。现在存在许多不同的神...

3089
来自专栏人工智能

如何仅使用TensorFlow C+来训练深度神经网络

作者|Florian Courtial 译者|Debra 编辑|Emily AI 前线导读:训练神经网络是一件十分复杂,难度非常大的工作,有没有可能让训练的过程...

2225
来自专栏AI黑科技工具箱

1.试水:可定制的数据预处理与如此简单的数据增强(下)

上一部分我们讲了MXNet中NDArray模块实际上有很多可以继续玩的地方,不限于卷积,包括循环神经网络RNN、线性上采样、池化操作等,都可以直接用NDArra...

4383
来自专栏计算机视觉战队

稀疏&集成的卷积神经网络学习(续)

昨天跟大家详细的说了分类,定位的一些相关知识,今天把剩下的最后一点知识给大家补充完整,也感谢大家一直的支持,谢谢! 昨天的推送告诉大家了分类方案,我们再温习一...

3026
来自专栏AI研习社

Github 项目推荐 | 用 TensorFlow 实现的模型集合

该库包含了大量用 TensorFlow 实现的不同模型。 官方模型(official models) 文件里是使用 TensorFlow 高级 API 的示例模...

3906

扫码关注云+社区