使用Albumentations 对16位图像做增强

快来打我* 2023-01-22 14:57 7阅读 0赞

**目录**

1、导入需要的库

2、定义可视化函数

3、从磁盘读取16位TIFF映像

4、定义适用于16位TIFF图像的增强管道

--------------------

本示例说明了如何增强16位TIFF图像。 在卫星图像中使用16位图像。 以下技术也可以应用于所有非8位图像（即24位图像，32位图像等）。

# 1、导入需要的库 #

import random
    
    import cv2
    from matplotlib import pyplot as plt
    
    import albumentations as A

# 2、定义可视化函数 #

def visualize(image):
        # Divide all values by 65535 so we can display the image using matplotlib
        image = image / 65535
        plt.figure(figsize=(10, 10))
        plt.axis('off')
        plt.imshow(image)

# 3、从磁盘读取16位TIFF映像 #

# The image is taken from http://www.brucelindbloom.com/index.html?ReferenceImages.html
    # © Bruce Justin Lindbloom
    image = cv2.imread('images/DeltaE_16bit_gamma2.2.tif', cv2.IMREAD_UNCHANGED)
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    visualize(image)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaGhoaGhoaGh3d3d3d3d3d3d3_size_16_color_FFFFFF_t_70][]

注意：OpenCV可能会错误地读取某些TIFF文件。 考虑使用tifffile地址：https://github.com/blink1073/tifffile

# 4、定义适用于16位TIFF图像的增强管道 #

Albumentations 支持两种描述像素强度的数据类型：-np.uint8，一个无符号的8位整数，可以定义0到255之间的值。-np.float32，一个单精度浮点数。对于np.float32输入，Albumentations期望该值在0.0到1.0之间。

Albumentations 有一个名为ToFloat的专用转换函数，该转换接受一个NumPy数组，其数据类型为np.uint16，np.uint32等（因此，任何使用大于255的值表示像素强度的数据类型）并将其转换为具有以下内容的NumPy数组np.float32数据类型。此外，此转换将所有输入值划分为\[0.0，1.0\]。默认情况下，如果输入数据类型为np.uint16，则将所有值除以65536，如果输入数据类型为np.uint32，则将所有值均除以4294967295.您可以在max\_value参数中指定分频器。

非8位图像的增强流水线包括以下阶段：

*  首先，您使用ToFloat转换将输入图像转换为float32。转换后的图像中的所有值都将在\[0.0，1.0\]范围内。
 *  然后，您使用所有必要的图像变换。
 *  你可以选择在扩充管道的末尾使用FromFloat转换将图像转换回其原始数据类型。

transform = A.Compose([
        A.ToFloat(max_value=65535.0),
    
        A.RandomRotate90(),
        A.Flip(),
        A.OneOf([
            A.MotionBlur(p=0.2),
            A.MedianBlur(blur_limit=3, p=0.1),
            A.Blur(blur_limit=3, p=0.1),
        ], p=0.2),
        A.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.2, rotate_limit=45, p=0.2),
        A.OneOf([
            A.OpticalDistortion(p=0.3),
            A.GridDistortion(p=0.1),
        ], p=0.2),        
        A.HueSaturationValue(hue_shift_limit=20, sat_shift_limit=0.1, val_shift_limit=0.1, p=0.3),
    
        A.FromFloat(max_value=65535.0),
    ])

我们固定随机种子是为了可视化目的，因此增强将始终产生相同的结果。 在真实的计算机视觉管道中，您不应该在对图像应用转换之前固定随机种子，因为在这种情况下，管道将始终输出相同的图像。 图像增强的目的是每次使用不同的变换。

random.seed(7)
    augmented = transform(image=image)
    visualize(augmented['image'])

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaGhoaGhoaGh3d3d3d3d3d3d3_size_16_color_FFFFFF_t_70 1][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaGhoaGhoaGh3d3d3d3d3d3d3_size_16_color_FFFFFF_t_70]: /images/20221020/ba126f22a4b0494fb0f28ca1370e2ca2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoaGhoaGhoaGh3d3d3d3d3d3d3_size_16_color_FFFFFF_t_70 1]: /images/20221020/068781ce369347e7868939b3b3e7d748.png