Python_code_使用OpenCV库对图片实现数据增强

Python_code_使用OpenCV库对图片实现数据增强_11种

代码：

#读取文件用
import os
import glob
#openCV的库
import cv2
import cv2 as cv
import numpy as np
#显示图片用
import matplotlib.pyplot as plt
#以下两行实现了在plt画图时，可以输出中文字符
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False



def Image_Enhancement(img_path):
    print(img_path)
    img = cv2.imread(img_path);

    #显示原图
    plt.figure(),plt.title("原图"),plt.imshow(img),plt.xticks([]),plt.yticks([]);

    #均值模糊   去随机噪声有很好的去燥效果
    im = cv.blur(img,(1,15));
    plt.figure(),plt.title("均值模糊"),plt.imshow(im),plt.xticks([]),plt.yticks([]);

    #中值模糊   对椒盐噪声有很好的去燥效果
    im = cv.medianBlur(img,5);
    plt.figure(),plt.title("中值模糊"),plt.imshow(im),plt.xticks([]),plt.yticks([]);

    #高斯模糊
    im = cv2.GaussianBlur(img, (15, 15), 0);
    plt.figure(),plt.title("高斯模糊"),plt.imshow(im),plt.xticks([]),plt.yticks([]);

    #双边滤波
    im = cv.bilateralFilter(img, 0, 100, 15);
    plt.figure(),plt.title("双边滤波"),plt.imshow(im),plt.xticks([]),plt.yticks([]);

    #均值迁移
    im = cv.pyrMeanShiftFiltering(img, 10, 50);
    plt.figure(),plt.title("均值迁移"),plt.imshow(im),plt.xticks([]),plt.yticks([]);


    #直方图正规化
    im = np.zeros(img.shape, np.uint8);
    cv.normalize(img, im, 255, 0, cv.NORM_MINMAX, cv.CV_8U);
    plt.figure(),plt.title("直方图正规化"),plt.imshow(im),plt.xticks([]),plt.yticks([]);


    #伽马变换
    #图像归一化
    fi = img/255.0
    #伽马变换
    gamma = 0.4
    im = np.power(fi,gamma)
    plt.figure(),plt.title("伽马变换后的结果"),plt.imshow(im),plt.xticks([]),plt.yticks([]);



    #canny边缘提取:对整张银行卡处理后的效果不错，但是对单个数字的处理不好
    blurred = cv.GaussianBlur(img, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_RGB2GRAY)
    # xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0) #x方向梯度
    # ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1) #y方向梯度
    # edge_output = cv.Canny(xgrad, ygrad, 50, 150)
    edge_output = cv.Canny(gray, 50, 150)
    plt.figure(),plt.title("Canny Edge"),plt.imshow(edge_output),plt.xticks([]),plt.yticks([]);
    dst = cv.bitwise_and(img, img, mask=edge_output)
    plt.figure(),plt.title("Color Edge"),plt.imshow(dst),plt.xticks([]),plt.yticks([]);


    #图像的平滑效果
    kernel = np.ones((5, 5), np.float32) / 25;
    im = cv2.filter2D(img, -1, kernel);
    plt.figure(),plt.title("图像的平滑效果"),plt.imshow(im),plt.xticks([]),plt.yticks([]);


    #图像的浮雕效果
    #自定义卷积核
    kernel_emboss_3 = np.array([[1, 0, 0], [0, 0, 0], [0, 0, -1]])  #这个还是可以看出结果的
    # 浮凸
    output_3 = cv2.filter2D(img, -1, kernel_emboss_3)
    #显示结果
    plt.figure(),plt.title("图像的浮雕效果3"),plt.imshow(output_3),plt.xticks([]),plt.yticks([]);    　　　　plt

.show()



'''主函数部分：进行函数调用'''
#图片数据所在的根目录dataset_dir 
= '..\data'

for root, dirs, files in os.walk(dataset_dir):
　　'''
    root 所指的是当前正在遍历的这个文件夹的本身的地址
    dirs 是一个 list ，内容是该文件夹中所有的目录的名字(不包括子目录)
    files 同样是 list , 内容是该文件夹中所有的文件(不包括子目录)
    '''
　　for sDir in dirs:
　　　　# 当前文件夹下子目录的绝对路径
       imgs_list = glob.glob(os.path.join(root, sDir) + '/*.png')

　　　　for i in imgs_list:
　　　　　　if '_' in i or 'png' not in i:
               continue
　　　　　　Image_Enhancement(i)