Zongxi Blogs

外观

图像增强

约 683 字大约 2 分钟

2025-10-27

图像增强是 在训练神经网络时常用的技术，通过对训练图像进行随机变换来增加数据的多样性，从而提高模型的泛化能力。以下是一些常见的图像增强方法：

  • 随机裁剪（Random Crop）：从图像中随机裁剪出一个子区域，通常用于模拟不同的拍摄距离和视角。
  • 随机水平翻转（Random Horizontal Flip）：以一定概率将图像水平
  • 翻转，增加图像的多样性。
  • 随机旋转（Random Rotation）：随机旋转图像一定角度范围
from matplotlib.pyplot import imshow
from PIL import Image
import torch
from torchvision import transforms
path = './data/PetImages/Cat/6039.jpg'
transform = transforms.RandomRotation(60)
imshow(transform(Image.open(path)))

png

# 垂直翻转
transform = transforms.RandomVerticalFlip(p=1) # 概率值
imshow(transform(Image.open(path)))

png

transform = transforms.RandomCrop((100, 100))
imshow(transform(Image.open(path)))

png

transform = transforms.RandomPerspective(
    p = 1,
    distortion_scale=0.5,
    interpolation=transforms.InterpolationMode.BILINEAR
)
imshow(transform(Image.open(path)))

png

# 颜色变化
transform = transforms.ColorJitter(
    brightness=0.5, # 亮度 亮度因子从[1-x=0.5, 1+x=1.5]之间选择
    contrast=0.5,   # 对比度 对比度因子从[1-x=0.5, 1+x=1.5]之间选择
    saturation=0.5, # 饱和度(鲜艳度) 饱和度因子从[1-x=0.5, 1+x=1.5]之间选择
    hue=0.1         # 色调(在色环上的旋转) 色调因子从[-x=-0.1, x=0.1]之间选择
)
imshow(transform(Image.open(path)))

png

# 模糊
transform = transforms.GaussianBlur(
    kernel_size=5, # 奇数(模糊窗口效果)
    sigma=(0.1, 2.0) # 标准差范围（模糊程度）
)
imshow(transform(Image.open(path)))

png

# 局部遮罩（类似于Dropout）
from PIL import Image
import numpy as np
import random

def cutout_pil_multi(image, mask_size=50, num_masks=3):
    """
    对图像应用多个 Cutout 遮挡块

    参数:
    - image: PIL.Image 对象
    - mask_size: 每个遮挡块的大小（正方形边长）
    - num_masks: 遮挡块的数量
    """
    image_np = np.array(image).copy()
    h, w = image_np.shape[0], image_np.shape[1]

    for _ in range(num_masks):
        y = random.randint(0, h - 1)
        x = random.randint(0, w - 1)

        y1 = max(0, y - mask_size // 2)
        y2 = min(h, y + mask_size // 2)
        x1 = max(0, x - mask_size // 2)
        x2 = min(w, x + mask_size // 2)

        # 遮挡区域设置为黑色
        image_np[y1:y2, x1:x2, :] = 0

    return Image.fromarray(image_np)
cutout_pil_multi(Image.open(path), mask_size=50, num_masks=5)

png