本项目主要用于提交和展示你们完善的数据集增强代码
请把各个效果（翻转、旋转、位移等）操作效果都展示一遍）
-
import cv2
-
import math
-
import numpy
as np
-
from PIL
import Image
-
import matplotlib.pyplot
as plt
-
-
def DotMatrix(A,B):
-
'''
-
A,B:需要做乘法的两个矩阵，注意输入矩阵的维度ndim是否满足乘法要求（要做判断）
-
'''
-
-
return np.matmul(A,B)
-
-
class Img:
-
def __init__(self,image,rows,cols,center=[0,0]):
-
self.src=image
#原始图像
-
self.rows=rows
#原始图像的行
-
self.cols=cols
#原始图像的列
-
self.center=center
#旋转中心，默认是[0,0]
-
self.rotate =
False
-
-
def Move(self,delta_x,delta_y):
-
'''
-
本函数处理生成做图像平移的矩阵
-
'''
-
self.transform=np.array([[
1,
0,delta_x],[
0,
1,delta_y],[
0,
0,
1]])
-
self.rotate =
False
-
-
def Zoom(self,factor):
#缩放
-
#factor>1表示缩小；factor<1表示放大
-
self.transform=np.array([[factor,
0,
0],[
0,factor,
0],[
0,
0,factor]])
-
self.rotate =
False
-
def Horizontal(self):
-
'''水平镜像
-
镜像的这两个函数，因为原始图像读进来后是height×width×3,和我们本身思路width×height×3相反
-
所以造成了此处水平镜像和垂直镜像实现的效果是反的'''
-
self.transform=np.array([[
-1,
0,self.rows],[
0,
1,
0],[
0,
0,
1]])
-
self.rotate =
False
-
-
def Vertically(self):
-
#垂直镜像，注意实现原理的矩阵和最后实现效果是和水平镜像是反的
-
self.transform=np.array([[
1,
0,
0],
-
[
0,
-1,self.cols],
-
[
0,
0,
1]])
-
self.rotate =
False
-
-
-
def Rotate(self,beta):
# 旋转
-
# beta>0表示逆时针旋转；beta<0表示顺时针旋转
-
self.transform=np.array([[math.cos(beta),-math.sin(beta),
0],
-
[math.sin(beta), math.cos(beta),
0],
-
[
0,
0,
1]])
-
self.rotate =
True
-
def Process(self):
-
if self.rotate:
-
self.center=[int(self.rows/
2),int(self.cols/
2)]
-
#初始化定义目标图像，具有3通道RBG值
-
self.dst=np.zeros((self.rows,self.cols,
3),dtype=np.uint8)
-
-
#提供for循环，遍历图像中的每个像素点，然后使用矩阵乘法，找到变换后的坐标位置
-
for i
in range(self.rows):
-
for j
in range(self.cols):
-
-
src_pos=np.array([i-self.center[
0],j-self.center[
1],
1])
#设置原始坐标点矩阵
-
[x,y,z]=DotMatrix(self.transform,src_pos)
#和对应变换做矩阵乘法
-
-
x=int(x)+self.center[
0]
-
y=int(y)+self.center[
1]
-
-
if x>=self.rows
or y>=self.cols
or x<
0
or y<
0:
-
self.dst[i][j]=
255
#处理未落在原图像中的点的情况
-
else:
-
self.dst[i][j]=self.src[x][y]
#使用变换后的位置
-
-
if __name__==
'__main__':
-
-
infer_path=
r'sample_picture.jpg'
#要处理的单个图片地址
-
imgv = Image.open(infer_path)
#打开图片
-
plt.imshow(imgv)
#根据数组绘制图像
-
plt.show()
#显示图像
-
-
rows = imgv.size[
1]
-
cols = imgv.size[
0]
-
print(rows,cols)
#注意此处rows和cols的取值方式
-
-
imgv=np.array(imgv)
#从图像生成数组
-
img=Img(imgv,rows,cols,[
0,
0])
#生成一个自定Img类对象[0,0]代表处理的中心点
-
-
-
-
img.Vertically()
#选择处理矩阵
-
img.Process()
#进行矩阵变换
-
img2=Image.fromarray(img.dst)
#从处理后的数组生成图像
-
plt.imshow(img2)
-
print(
"水平翻转")
-
plt.show()
-
-
-
img.Horizontal()
#选择处理矩阵
-
img.Process()
#进行矩阵变换
-
img2=Image.fromarray(img.dst)
#从处理后的数组生成图像
-
plt.imshow(img2)
-
print(
"垂直翻转")
-
plt.show()
-
-
-
img.Rotate(math.radians(
180))
#选择处理矩阵
-
img.Process()
#进行矩阵变换
-
img2=Image.fromarray(img.dst)
#从处理后的数组生成图像
-
plt.imshow(img2)
-
print(
"旋转")
-
plt.show()
-
-
-
img.Move(
-50,
-50)
#选择处理矩阵
-
img.Process()
#进行矩阵变换
-
img2=Image.fromarray(img.dst)
#从处理后的数组生成图像
-
plt.imshow(img2)
-
print(
"平移")
-
plt.show()
-
-
img.Zoom(
0.5)
#选择处理矩阵
-
img.Process()
#进行矩阵变换
-
img2=Image.fromarray(img.dst)
#从处理后的数组生成图像
-
plt.imshow(img2)
-
print(
"放缩")
-
plt.show()
-
-
'''
-
img.Vertically() #镜像(0,0)
-
img.Horizontal() #镜像（0，0）
-
img.Rotate(math.radians(180)) #旋转点选择图像大小的中心点
-
img.Move(-50,-50) #平移
-
img.Zoom(0.5) #缩放
-
'''
结果
<Figure size 432x288 with 1 Axes>
267 400 水平翻转
<Figure size 432x288 with 1 Axes>
垂直翻转
<Figure size 432x288 with 1 Axes>
旋转
<Figure size 432x288 with 1 Axes>
平移
<Figure size 432x288 with 1 Axes>
放缩
<Figure size 432x288 with 1 Axes>
转载：https://blog.csdn.net/aiqq136/article/details/117305794
查看评论