本文共 5633 字，大约阅读时间需要 18 分钟。

数据增强技巧：提升图像处理效果的秘密

在处理图像数据时，数据增强是一种非常有效的方法。尤其是在数据量较少或类别不平衡的情况下，数据增强可以帮助模型更好地泛化能力。以下是一些常用的数据增强方法及其实现方式。

1. 裁剪

1.1 中心裁剪

中心裁剪是一种常见的图像预处理方法。通过将图像的中心部分裁剪成指定尺寸，可以保留图像的主要内容，同时减少边缘失真。

核心函数：transforms.CenterCrop(size)

• size 参数为 int，表示裁剪后的图像尺寸。如果参数为 (h, w)，则裁剪后的尺寸为 (h, w)。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')  # 原图尺寸为474 * 379
img1 = tfs.CenterCrop(300)(img)  # 裁剪成300 * 300

1.2 随机裁剪

随机裁剪可以根据需要随机选择裁剪区域，增加图像的多样性。

核心函数：transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

参数	具体说明
size	1. 为 size，结果为 size * size。2. 为 (h, w)，结果为 h * w。
padding	1. 为 a，上下左右填充 a 个像素。2. 为 (a, b)，左右填充 a 个像素，上下填充 b 个像素。3. 为 (a, b, c, d)，左、上、右、下分别填充 a、b、c、d 个像素。
pad_if_needed	默认为 False，超出尺寸不会填充。为 True 时，超出尺寸进行填充。
fill	填充值，默认为 0（黑色）。
padding_mode	1. constant，像素值由 fill 填充。2. edge，图像边缘像素值填充。3. reflect，镜像填充，最后一个像素不镜像。4. symmetric，镜像填充，最后一个像素镜像。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')  # 原图尺寸为474 * 379
img1 = tfs.RandomCrop(300)(img)  # 默认填充模式为 `constant`
img2 = tfs.RandomCrop(300, padding=(16, 64))(img)  # 自定义填充大小
img3 = tfs.RandomCrop(300, padding=(16, 64), fill=(255, 255, 0))(img)  # 自定义填充色彩
img4 = tfs.RandomCrop(2000, pad_if_needed=True)(img)  # 超出尺寸填充

2. 翻转

翻转可以增加图像的多样性，常用于数据增强。

2.1 水平翻转

核心函数：transforms.RandomHorizontalFlip(p=0.5)

• p 为概率值。如果为 1，图像会被水平翻转。为 0.5 时，有 50% 的概率翻转。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.RandomHorizontalFlip(p=1)(img)  # 确保翻转

2.2 垂直翻转

核心函数：transforms.RandomVerticalFlip(p=0.5)

• p 为概率值。如果为 1，图像会被垂直翻转。为 0.5 时，50% 的概率翻转。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.RandomVerticalFlip(p=1)(img)  # 确保翻转

2.3 随机旋转

核心函数：transforms.RandomRotation(degrees, expand=False, center=None, fill=0, resample=None)

• degrees 为旋转角度范围。1. 为 a，在 (-a, a) 区间随机选择角度。2. 为 (a, b)，在 (a, b) 区间随机选择角度。
• expand 默认为 False，超出部分不会显示。如果为 True，超出部分会显示完整图像。
• center 默认为图像中心旋转。
• resample 为重采样方法，可选 PIL.Image.NEAREST、PIL.Image.BILINEAR、PIL.Image.BICUBIC。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.RandomRotation(degrees=(45, 45))(img)  # 随机旋转 45 度
img2 = tfs.RandomRotation(degrees=(45, 45), expand=True)(img)  # 超出部分显示
img3 = tfs.RandomRotation(degrees=(45, 45), fill=(255, 255, 0))(img)  # 填充颜色

3. 色调

3.1 灰度变换

灰度变换可以将图像转换为单通道灰度。

核心函数：transforms.Grayscale(num_output_channels=1)

• 通常不需要设置，默认输出单通道灰度。如果需要三通道灰度，可设置为 3。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.Grayscale()(img)  # 灰度变换

3.2 色彩抖动

色彩抖动可以随机调整图像的亮度、对比度、饱和度和色调。

核心函数：transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

参数	具体说明
brightness	1. 元组 (min, max)，在该区间随机变换亮度。2. 浮点数，亮度范围为 [max(0, 1 - brightness), 1 + brightness]。
contrast	对比度，规则与亮度相同。
saturation	饱和度，规则与亮度相同。
hue	色调，1. 元组 (min, max)，在该区间随机变换色调。2. 浮点数，色调范围为 [-hue, hue]，整体区间范围为 [0, 0.5] 或 [-0.5, 0.5]。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.ColorJitter(brightness=(3, 3))(img)  # 亮度调整
img2 = tfs.ColorJitter(contrast=(3, 3))(img)  # 对比度调整
img3 = tfs.ColorJitter(saturation=(3, 3))(img)  # 饱和度调整

3.3 随机翻转颜色

随机翻转颜色可以增加图像的多样性。

核心函数：transforms.RandomInvert(p=0.5)

• p 为概率值。如果为 1，颜色会被翻转。为 0.5 时，50% 的概率翻转。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.RandomInvert(p=0.5)(img)  # 随机翻转颜色

3.4 随机调整锐度

随机调整锐度可以增加图像的多样性。

核心函数：transforms.RandomAdjustSharpness(sharpness_factor, p=0.5)

• sharpness_factor 为调整锐度的因子。0 为模糊，1 为原图。随着数字越大，锐度越高。
• p 为概率值。如果为 1，锐度会被调整。为 0.5 时，有 50% 的概率调整。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.RandomAdjustSharpness(200)(img)  # 随机调转图片锐度

3.5 高斯模糊

高斯模糊可以模糊图像的一部分，增加数据多样性。

核心函数：transforms.GaussianBlur(kernel_size, sigma=(0.1, 2.0))

参数	具体说明
kernel_size	模糊半径（奇数）。
sigma	正态分布标准差。1. 为元组 (min, max)，在该区间随机取一个数。2. 为浮点数，则为该数。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.GaussianBlur(11, 10)(img)  # size 为 11，标准差为 10
img2 = tfs.GaussianBlur(51, 10)(img)  # size 为 51，标准差为 10
img3 = tfs.GaussianBlur(101, 100)(img)  # size 为 101，标准差为 100

4. 边缘填充

边缘填充可以增加图像的尺寸，用于数据增强。

核心函数：transforms.Pad(padding, fill=0, padding_mode=‘constant’)

参数	具体说明
padding	1. 为 a，上下左右填充 a 个像素。2. 为 (a, b)，左右填充 a 个像素，上下填充 b 个像素。3. 为 (a, b, c, d)，左、上、右、下分别填充 a、b、c、d 个像素。
fill	填充值，默认为 0（黑色）。
padding_mode	1. constant，像素值由 fill 填充。2. edge，图像边缘像素值填充。3. reflect，镜像填充，最后一个像素不镜像。4. symmetric，镜像填充，最后一个像素镜像。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.Pad(100, fill=(0, 0, 255))(img)  # 填充颜色为蓝色

5. 仿射变换

仿射变换是一种旋转、平移、缩放、扭曲等组合的变换。

核心函数：transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=0, fillcolor=0)

参数	具体说明
degrees	随机旋转角度范围，0 为不旋转。
translate	水平和垂直平移因子。为 (a, b) 时，水平平移范围为 (-img_width * a, img_width * a)，垂直平移范围为 (-img_height * b, img_height * b)。
scale	缩放因子。为 (a, b) 时，在 (a, b) 区间随机选择一个数。
shear	随机扭曲角度范围。为 (a, b) 时，在 (a, b) 区间随机选择一个数。
resample	重采样方法。0 为不重采样，默认重采样。
fillcolor	填充色彩，可三通道填充。

代码示例：

from PIL import Image
from torchvision import transforms as tfs
img = Image.open('scenery.jpg')
img1 = tfs.RandomAffine(45)(img)  # 随机旋转 45 度
img2 = tfs.RandomAffine(0, (0.7, 0))(img)  # 随机平移
img3 = tfs.RandomAffine(0, None, (3, 5))(img)  # 随机缩放
img4 = tfs.RandomAffine(0, None, None, (45, 90))(img)  # 随机扭曲

通过以上方法，可以有效地对图像进行数据增强，提升模型的泛化能力。

转载地址：http://ykafk.baihongyu.com/