百度飞桨图像分类-第一天（实现各类图像增广）

课程链接 ：
https://aistudio.baidu.com/aistudio/course/introduce/11939?directly=1&shared=1

常用图像增广方法主要有：左右翻转(上下翻转对于许多目标并不常用)，随机裁剪，变换颜色(亮度，对比度，饱和度和色调)等等，我们拟用opencv-python实现部分数据增强方法。
结构如下：

class FunctionClass:
    def __init__(self, parameter):
        self.parameter=parameter

    def __call__(self, img):       

一. 图片输出案例

先进行展示图片正常显示案例：

import cv2
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inline

#记得修改为自己图片所在路径
filename = '1.jpg'
#[Load an image from a file]
img = cv2.imread(filename)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)

输出如图：

查看图片的结构形状：

print(img.shape)

输出如下：
(269, 270, 3)
可知：形状为三个参数，分别为图片的长、图片的宽和图片为三通道。

补充说明：三通道为RGB,此外还有四通道RGBA，也就是加上透明色

二. 五个作业实现

五个作业要求：

1. 验证增强效果
2. 可自选实现其他增强效果

1 图片缩放

注意：图片缩放，不是单指缩小 ，是缩小和放大
通过cv2.resize()进行功能实现

class Resize:
    def __init__(self, size):
        self.size=size

    def __call__(self, img):
        # 此处插入代码
        return cv2.resize(img,self.size)

resize=Resize( (600, 600))
img2=resize(img)
plt.imshow(img2)

实现效果如图：

2 图片翻转

通过cv2.flip()进行功能实现

class Flip:
    def __init__(self, mode):
        self.mode=mode

    def __call__(self, img):
        # 此处插入代码
        return cv2.flip(img, self.mode)

flip=Flip(mode=0)
img2=flip(img)
plt.imshow(img2)

实现效果如图：

3 图片旋转

通过cv2.getRotationMatrix2D()和cv2.warpAffine()进行功能实现

cv2.getRotationMatrix2D()：
主要用于获得图像绕着 某一点的旋转矩阵
Mat getRotationMatrix2D(Point2f center, double angle, double scale)
Point2f center：表示旋转的中心点
double angle：表示旋转的角度
double scale：图像缩放因子

cv2.warpAffine()：意思是仿射变化
cv2.warpAffine()函数主要是利用变换矩阵M对图像进行如旋转、仿射、平移等变换，只需要我们提供一个2*3的变换矩阵M，就可以对图像进行变换。它一般是和cv2.getRotationMatrix2D和cv.GetAffineTransform两个函数在一起使用，这两个函数是用来获取变换矩阵M,这样就不需要我们自己设置M
cv2.warpAffine(src, M, dsize,dst,flags,borderMode,borderValue) → dst
src: 输入源图像
M：变换矩阵，一般反映平移或旋转的关系，为InputArray类型的2×3变换矩阵。
dsize： 输出图像的大小
flags： 插值方法的组合（int 类型）
borderMode：边界像素模式（int 类型）
borderValue：边界填充值; 默认情况下，它为0，也就是边界填充默认是黑色。

上述参数中：
M作为仿射变换矩阵，一般反映平移或旋转的关系，为InputArray类型的2×3的变换矩阵。
flags表示插值方式
默认为 flags=cv2.INTER_LINEAR，表示线性插值，
此外还有：cv2.INTER_NEAREST（最近邻插值）
cv2.INTER_AREA （区域插值）
cv2.INTER_CUBIC（三次样条插值）
cv2.INTER_LANCZOS4（Lanczos插值）
日常进行仿射变换时，在只设置前三个参数的情况下，如 ：
cv2.warpAffine(img,M,(rows,cols))
可以实现基本的仿射变换效果，但可以出现“黑边”现象，我们的实现图出现黑色的原因

class Rotate:
    def __init__(self,degree,size):
        self.degree=degree
        self.size=size

    def __call__(self, img):
        # 此处插入代码
        rows, cols,x = img.shape
        M = cv2.getRotationMatrix2D(((cols - 1) / 2.0, (rows - 1) / 2.0), self.degree, self.size)
        return cv2.warpAffine(img, M, (cols, rows))

rotate=Rotate(45, 0.7)
img2=rotate(img)
plt.imshow(img2)

4 图片亮度调节

通过np.zeros()和cv2.addWeighted()进行功能实现

np.zeros()用于生成一个全零的矩阵，需要导入numpy库
通常导入方式为import numpy as np不再细说numpy了，自行百度这个zeros函数很简单
zeros(shape, dtype=float, order=‘C’)

cv2.addWeigthted()可用于粗略的调整图像的亮度/对比度
dst=cv2.addWeigthted(src1,a,src2,b,c)
可以将上式理解为“结果图像=图像1×系数1+图像2×系数2+亮度调节量”
注意：src1和src2尺寸相同，文件类型必须相同，a,b,c之间没有必然关系，不存在a+b+c要等与1，c一定要写，可以写0，即不调节亮度。
c决定了亮度， c越大，各像素整体都变大，亮度提升了
集合题意，本人揣摩给出的0.6是除以100的数值，所以我乘了100

class Brightness:
    def __init__(self,brightness_factor):
        self.brightness_factor=brightness_factor

    def __call__(self, img):
        # 此处插入代码
        rows, cols, x = img.shape
        a = 1
        blank = np.zeros([rows, cols, x], img.dtype)
        return cv2.addWeighted(img, a, blank, 1-a, self.brightness_factor * 100)

brightness=Brightness(0.6)
img2=brightness(img)
plt.imshow(img2)

5 图片随机擦除一块

这个在Ai studio 中paddleclas案例可以找到，自行细看吧
原理就是划取区域裁减掉

import random
import math

class RandomErasing(object):
    def __init__(self, EPSILON=0.5, sl=0.02, sh=0.4, r1=0.3,
                 mean=[0., 0., 0.]):
        self.EPSILON = EPSILON
        self.mean = mean
        self.sl = sl
        self.sh = sh
        self.r1 = r1

    def __call__(self, img):
        if random.uniform(0, 1) > self.EPSILON:
            return img

        for attempt in range(100):
            area = img.shape[0] * img.shape[1]

            target_area = random.uniform(self.sl, self.sh) * area
            aspect_ratio = random.uniform(self.r1, 1 / self.r1)

            h = int(round(math.sqrt(target_area * aspect_ratio)))
            w = int(round(math.sqrt(target_area / aspect_ratio)))

            
            # 此处插入代码
            if w < img.shape[0] and h < img.shape[1]:
                x1 = random.randint(0, img.shape[1] - h)
                y1 = random.randint(0, img.shape[0] - w)
                if img.shape[2] == 3:
                    img[ x1:x1 + h, y1:y1 + w, 0] = self.mean[0]
                    img[ x1:x1 + h, y1:y1 + w, 1] = self.mean[1]
                    img[ x1:x1 + h, y1:y1 + w, 2] = self.mean[2]
                else:
                    img[x1:x1 + h, y1:y1 + w,0] = self.mean[0]
                return img

        return img


erase = RandomErasing()
img2=erase(img)
plt.imshow(img2)    

结果如下：每次运行代码擦除的部位不同，甚至不擦除

over