数据增强--缩放、调整亮度与对比度、翻转、旋转、添加噪声、模糊

数据增强：
数据通过某种变换操作，从而生成新数据的过程
采用的部分方式：

缩放、调整亮度与对比度、翻转、旋转、添加噪声、模糊
1.缩放

#导入库
import cv2
import numpy as np

pic = cv2.imread("01.jpg") #读入图片
height,width = pic.shape[:2] #获取图片的高和宽
#将图像缩小为原来的0.5倍
pic_zoom = cv2.resize(pic, (width*0.5,height*0.5), interpolation=cv2.INTER_CUBIC)
         # cv2.resize(图像变量 ,(宽,高)                , 插值方法)   
            
cv2.imshow('zoom', pic_zoom) #显示图片
cv2.waitKey(0)  
cv2.destroyAllWindows()

cv2.resize(图片变量,(宽，高，颜色通道),插值方法) #颜色通道可略
#注意：先行后列，即先宽后高，与获取图片shape时相反（opencv: cv2.resize 探究(源码)）

关于插值方法可参考：http://tanbakuchi.com/posts/comparison-of-openv-interpolation-algorithms/

2.调整亮度与对比度
(1)方法一 cv2.addWeighted()

#导入库
import cv2
import numpy as np

pic = cv2.imread("01.jpg") #读入图片
contrast = 1        #对比度
brightness = 100    #亮度
pic_turn = cv2.addWeighted(pic,contrast,pic,0,brightness)
          #cv2.addWeighted(对象,对比度,对象,对比度)
'''cv2.addWeighted()实现的是图像透明度的改变与图像的叠加'''

cv2.imshow('turn', pic_turn) #显示图片
cv2.waitKey(0)  
cv2.destroyAllWindows()

---

图像混合( cv2.addWeighted() )
这也是图像添加，但是对图像赋予不同的权重，使得它具有混合感或透明感。图像按以下等式添加：

通过改变[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aar4L0MT-1577624055045)(https://docs.opencv.org/3.0-beta/_images/math/69777408db155ee0fca9cc9dee60a269df6d1f96.png)]从右箭头1，您可以执行到另一个图像之间的过渡凉爽。
在这里，我拍了两张图片将它们混合在一起。第一图像的权重为0.7，第二图像的权重为0.3。cv2.addWeighted（）在图像上应用以下等式。
[外链图片转存失败(img-n9UMplWg-1564208380704)(https://docs.opencv.org/3.0-beta/_images/math/ad472897a50e8e8c0c0bb6dab3f28ef7e6d1813e.png)]
这里被视为零。

img1 = cv2.imread('ml.png')
img2 = cv2.imread('opencv_logo.jpg')
dst = cv2.addWeighted(img1,0.7,img2,0.3,0)
cv2.imshow('dst',dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

result:
来源：https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_core/py_image_arithmetics/py_image_arithmetics.html

推荐文章：Python-OpenCV 图像叠加or图像混合加权（cv2.addWeighted）
opencv: 图片 设置 透明度 并 叠加(cv2.addWeighted)
(2)方法二 f(x)= contrast * g(x) + brightness
通过遍历图像的高度，宽度，通道数分别去改变它们对应的值：

def contrast_brightness_control( pic , contrast , brightness):
    for i in range(pic.shape[0]):
        for j in range(pic.shape[1]):
            for k in range(pic.shape[2]):
                if (pic[i][j][k] * contrast+ brightness<=255):
                    pic[i][j][k] = pic[i][j][k] * contrast+ brightness
                else:
                    pic[i][j][k] = 255
    return pic

temp = contrast_brightness_control(pic, contrast, brightness)
#感谢学长的代码

---

关于pic.shape[0]、 pic.shape[1]、 pic.shape[2]：
pic.shape[0]:图像中像素行的数量或图像阵列的每列中的像素数。
pic.shape[1]:图像中像素列的数量或图像阵列的每行中的像素数。
pic.shape[2]:用于表示每个像素的组件数。
参考：OpenCV Python – Get Image Size – Example
3.翻转

import cv2

pic = cv2.imread(“01.jpg”) #读入图片

h_pic = cv2.flip(pic, 1)#水平翻转
cv2.imshow(“overturn-h”, h_pic)

v_pic = cv2.flip(pic, 0)#垂直翻转
cv2.imshow(“overturn-v”, v_pic)

hv_pic = cv2.flip(pic, -1)#水平垂直翻转
cv2.imshow(“overturn-hv”, hv_pic)

cv2.flip(图像变量,翻转方式)

flip(img,1)#1代表水平方向旋转180度
flip(img,0)#0代表垂直方向旋转180度
flip(img,-1)#-1代表垂直和水平方向同时旋转

参考：OpenCV文档：https://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html?highlight=flip#cv2.flip
4.旋转

import numpy
import cv2
def rotate(image, angle, scale=1.0):
	height, width = image.shape[:2]#获取图像的高和宽
	center = (width / 2, height / 2) #取图像的中点

	M = cv2.getRotationMatrix2D(center, angle, scale)#获得图像绕着某一点的旋转矩阵 
	rotated = cv2.warpAffine(image, M, (height, width))
             #cv2.warpAffine()的第二个参数是变换矩阵,第三个参数是输出图像的大小
	return rotated
pic = cv2.imread(“01.jpg”)
angle = 45
temp = rotate(pic, angle)

关于变换矩阵：
OpenCV-Python：图像的几何变换（平移、旋转、仿射变换等）
OpenCV文档：https://docs.opencv.org/2.4/modules/imgproc/doc/geometric_transformations.html?highlight=cv2.warpaffine#cv2.warpAffine
小贴士：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,(height, width))可以实现基本的仿射变换效果，但可以出现“黑边”现象。而cv2.warpAffine(img,M,(height, width),borderValue=(255,255,255))可将图片边界区域填充为白色。
4.加入噪声

import cv2
import numpy
import random #random模块用于生成随机数

pic = cv2.imread(“01.jpg”)

for i in range(1000):
    pic[random.randint(0, pic.shape[0]-1)][random.randint(0,pic.shape[1]-1)][:]=255
cv2.imshow('pic_noise', pic)

其中random.randint()：

import random
#random.randint(a, b)
#用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <= n <= b
print random.randint(12, 20)  #生成的随机数n: 12 <= n <= 20  
print random.randint(20, 20)  #结果永远是20  
#print random.randint(20, 10)  #该语句是错误的。下限必须小于上限

关于random的更多信息：https://www.cnblogs.com/yd1227/archive/2011/03/18/1988015.html

5.高斯模糊

import cv2
import numpy
pic = cv2.imread(“01.jpg”)
temp = cv2.GaussianBlur(pic, (7,7), 1.5)
#      cv2.GaussianBlur(图像，卷积核，标准差）
cv2.imshow(“pic_blur”, temp)

这个不好懂
关于高斯模糊的原理可见 OpenCV 文档：https://docs.opencv.org/3.1.0/d4/d13/tutorial_py_filtering.html