数字图像处理及图像增强

Contents

• 1 图像处理基本概念理解
• 2 图像增强算法
  • 2.1 图像翻转
  • 2.2 平移(Translations)
  • 2.3 图像对比度和亮度调整
• 3 图像增强库imgaug使用
  • 3.1 augmenters常用函数
    • 3.1.1 iaa.Sequential()
    • 3.1.2 iaa.someof()
    • 3.1.3 iaa.OneOf()
    • 3.1.4 iaa.Sometimes()
• 4 参考资料

图像处理基本概念理解

• 亮度通俗理解就是图像给人肉眼的明暗程度
• 饱和度指的是图像颜色种类的多少
• 对比度指的是图像亮暗的落差值，即图像最大灰度级和最小灰度级之间的差值
• 图像锐化指的是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得更清晰的图像操作

图像增强算法

图像翻转

import numpy as np
# flipping images with numpy
flipped_img = np.flipr(img)
plt.imshow(flipped_img)
plt.show()

平移(Translations)

import cv2
import matplotlib.pyplot as plt


def translation(img):
    print(img.shape)
    height, width = img.shape
    # 左移
    for i in range(height, 1, -1):
        for j in range(width):
            if (i < height - 20):
                img[j][i] = img[j][i - 20]
            elif (i < height - 1):
                img[j][i] = 0
    plt.imshow(img)
    plt.imshow
    cv2.imwrite("./demo.png", img)


if __name__ == "__main__":
    img = cv2.imread('./person/demo1.png', 0)
    img = cv2.resize(img, (124, 124))
    translation(img)

图像平移结果

图像对比度和亮度调整

调整图像亮度与对比度算法主要由以下几个步骤组成：

1. 计算图像的RGB像素均值– M
2. 对图像的每个像素点Remove平均值-M
3. 对去掉平均值以后的像素点 P乘以对比度系数
4. 对步骤上处理以后的像素P加上 M乘以亮度系统
5. 对像素点RGB值完成重新赋值

将像素值变小，图像亮度减小，色彩变暗；像素值增大，图像亮度增大，色彩变亮。 代码如下：

import os
import numpy as np
import cv2

if __name__ == '__main__':
    img = cv2.imread('568.Bmp', 0)
    img = np.array(img)
    mean = np.mean(img)
    img = img - mean
    img = img * 1.5 + mean * 0.7  # 修对比度和亮度
    img = img / 255.  # 非常关键，没有会白屏
    cv2.imshow('pic', img)
    cv2.waitKey()

注意，只需要修改上面代码中的1.5和0.7这两个参数就可以修改对比度和亮度。特别提醒下 img = img/255.这句，之前显示出来图片全是白色的，不知道什么问题。去查了下手册，解释如下：

• If the image is 8-bit unsigned, it is displayed as is.  • If the image is 16-bit unsigned or 32-bit integer, the pixels are divided by 256. That is, the value range  [0,255*256] is mapped to [0,255].  • If the image is 32-bit floating-point, the pixel values are multiplied by 255. That is, the value range [0,1] is  mapped to [0,255].  最后一句说明了问题，如果图片是32位float数据，显示数据会乘以255，因为他默认输入的数据是[0,1]的数据。

图像增强库imgaug使用

imgaug是一个封装好的用来进行图像augmentation的python库,支持关键点(keypoint)和bounding box一起变换。项目主页:imgaug doc

augmenters常用函数

导入augmenters类:

from imgaug import augmenters as iaa
import imgaug as ia

iaa.Sequential()

产生一个处理图片的Sequential，函数原型：

iaa.Sequential(children=None,
                random_order=False,
                name=None,
                deterministic=False,
                random_state=None)

参数：

• children: 想要应用在图像上的Augmenter或者Augmenter集合。默认None
• random_order: bool类型, 默认False。是否对每个batch的图片应用不同顺序的Augmenter list。当设置为True时，不同batch之间图片的处理顺序都会不一样，但是同一个batch内顺序相同。
• deterministic: bool类型, 默认False。

iaa.someof()

将Augmenter中的部分变换应用在图片处理上，而不是应用所有的Augmenter。

iaa.OneOf()

每次从一些列augmenters中选择一个来变换。

iaa.Sometimes()

对batch中的一部分图片应用一部分Augmenters,剩下的图片应用另外的Augmenters。

参考资料

数字图像处理系列二】亮度、对比度、饱和度、锐化、分辨率