Python imgaug库安装与使用教程(图片加模糊光雨雪雾等特效)

简介

imgaug：机器学习实验中的图像增强库，特别是卷积神经网络。支持以多种不同方式增强图像、关键点/地标、边界框、热图和分割图。

安装

在anaconda prompt里进行

 pip install imgaug

看了几篇文章，出错的话可以先安装依赖库shapely

Overview

特效

官网网址

在这里插入图片描述

Project 结构

在这里插入图片描述

程序

图片放入input

在这里插入图片描述

参考的源代码（来源于网络）

main.py

# ###################源代码####################
# !usr/bin/python
# -*- coding: utf- -*-
import cv
from imgaug import augmenters as iaa
import os

# Sometimes(.5, ...) 所有情况的 50% 中应用给定的增强器
# e.g. Sometimes(.5, GaussianBlur(0.3)) would blur roughly every second image.
sometimes = lambda aug: iaa.Sometimes(.5, aug)

# 定义一组变换方法.
seq = iaa.Sequential([

    # 选择到5种方法做变换
    iaa.SomeOf((, 5),
               [
                   iaa.Fliplr(.5),  # 对50%的图片进行水平镜像翻转
                   iaa.Flipud(.5),  # 对50%的图片进行垂直镜像翻转

                   # superpixel representation 将一些图像转换为它们的超像素表示，每张图像采样 到 200 个超像素，但不要用它们的平均值替换所有超像素，只替换其中的一些（p_replace）。
                   sometimes(
                       iaa.Superpixels(
                           p_replace=(, 1.0),
                           n_segments=(, 200)
                       )
                   ),

                   # Blur each image with varying strength using
                   # gaussian blur (sigma between and 3.0),
                   # average/uniform blur (kernel size betweenx2 and 7x7)
                   # median blur (kernel size betweenx3 and 11x11).
                   iaa.OneOf([
                       iaa.GaussianBlur((, 3.0)),
                       iaa.AverageBlur(k=(, 7)),
                       iaa.MedianBlur(k=(, 11)),
                   ]),

                   # Sharpen each image, overlay the result with the original
                   # image using an alpha between (no sharpening) and 1
                   # (full sharpening effect).
                   iaa.Sharpen(alpha=(, 1.0), lightness=(0.75, 1.5)),

                   # Same as sharpen, but for an embossing effect.
                   iaa.Emboss(alpha=(, 1.0), strength=(0, 2.0)),

                   # Add gaussian noise to some images.
                   # In% of these cases, the noise is randomly sampled per
                   # channel and pixel.
                   # In the other% of all cases it is sampled once per
                   # pixel (i.e. brightness change).
                   iaa.AdditiveGaussianNoise(
                       loc=, scale=(0.0, 0.05 * 255)
                   ),

                   # Invert each image's chanell with% probability.
                   # This sets each pixel value v to-v.
                   iaa.Invert(.05, per_channel=True),  # invert color channels

                   # Add a value of - to 10 to each pixel.
                   iaa.Add((-, 10), per_channel=0.5),

                   # Add random values between - and 40 to images, with each value being sampled per pixel:
                   iaa.AddElementwise((-, 40)),

                   # Change brightness of images (-150% of original value).
                   iaa.Multiply((.5, 1.5)),

                   # Multiply each pixel with a random value between.5 and 1.5.
                   iaa.MultiplyElementwise((.5, 1.5)),

                   # Improve or worsen the contrast of images.
                   iaa.ContrastNormalization((.5, 2.0)),
                   iaa.imgcorruptlike.Saturate(severity=),

               ],
               # do all of the above augmentations in random order
               random_order=True
               )

], random_order=True)  # apply augmenters in random order

# 图片文件相关路径
path = './input/'
savedpath = './output/'

imglist = []
filelist = os.listdir(path)

# 遍历要增强的文件夹，把所有的图片保存在imglist中
for item in filelist:
    img = cv.imread(path + item)
    # print('item is ',item)
    # print('img is ',img)
    # images = load_batch(batch_idx)
    imglist.append(img)
# print('imglist is ' ,imglist)
print('all the picture have been appent to imglist')

# 对文件夹中的图片进行增强操作，循环次
for count in range():
    images_aug = seq.augment_images(imglist)
    for index in range(len(images_aug)):
        filename = str(count) + str(index) + '.jpg'
        # 保存图片
        cv.imwrite(savedpath + filename, images_aug[index])
        print('image of count%s index%s has been writen' % (count, index))

简易变换试效果

test01.py

# ##############简易变换#################

# https://imgaug.readthedocs.io/en/latest/source/overview_of_augmenters.html
import cv
from imgaug import augmenters as iaa
import os

# Sometimes(.5, ...) applies the given augmenter in 50% of all cases,
# e.g. Sometimes(.5, GaussianBlur(0.3)) would blur roughly every second image.
# sometimes = lambda aug: iaa.Sometimes(.5, aug)

# 定义一组变换方法.
seq = iaa.Sequential([
    iaa.MotionBlur(k=),  # 运动模糊
    # iaa.Clouds(),  # 云雾
    # iaa.imgcorruptlike.Fog(severity=),  # 多雾/霜
    # iaa.imgcorruptlike.Snow(severity=),  # 下雨、大雪
    # iaa.Rain(drop_size=(.10, 0.20), speed=(0.2, 0.3)),  # 雨
    # iaa.Rain(speed=(.3, 0.5)),  # 雨
    # iaa.Snowflakes(flake_size=(.6, 0.7), speed=(0.02, 0.03)), # 雪点
    # iaa.imgcorruptlike.Spatter(severity=),  # 溅 123水滴、45泥
    # iaa.contrast.LinearContrast((.5, 2.0), per_channel=0.5),# 对比度变为原来的一半或者二倍
    # iaa.imgcorruptlike.Brightness(severity=),  # 亮度增加
    # iaa.imgcorruptlike.Saturate(severity=),  # 色彩饱和度
    # iaa.FastSnowyLandscape(lightness_threshold=(, 255),lightness_multiplier=(1.5, 2.0)), # 雪地   亮度阈值是从 uniform(100, 255)（每张图像）和来自 uniform(1.5, 2.0)（每张图像）的乘数采样的。
    # iaa.Cartoon(blur_ksize=, segmentation_size=1.0, saturation=2.0, edge_prevalence=1.0), # 卡通

])

# 图片文件相关路径
path = './input/'
savedpath = './output_show/'

imglist = []
filelist = os.listdir(path)

# 遍历要增强的文件夹，把所有的图片保存在imglist中
for item in filelist:
    img = cv.imread(path + item)
    # print('item is ',item)
    # print('img is ',img)
    # images = load_batch(batch_idx)
    imglist.append(img)
# print('imglist is ' ,imglist)
print('all the picture have been appent to imglist')

# 对文件夹中的图片进行增强操作，循环次
for count in range():
    images_aug = seq.augment_images(imglist)
    for index in range(len(images_aug)):
        # filename = str(count) + str(index) + '.jpg'
        # 保存图片
        filename = str(filelist[index])
        cv.imwrite(savedpath + filename, images_aug[index])
        print('image of count%s index%s has been writen' % (count, index))

使用模糊光雨雪雾

运动模糊+雨雪雾天气 2-3种

对比度亮度饱和度选其一

my_augmentation.py

import cv
from imgaug import augmenters as iaa
import os

# sometimes = lambda aug: iaa.Sometimes(.5, aug)   # 所有情况的 50% 中应用给定的增强器

seq = iaa.Sequential([
    # 选择到3种方法做变换
    iaa.SomeOf((, 3),
               [
                   iaa.imgcorruptlike.MotionBlur(severity=(, 2)),  # 运动模糊
                   # iaa.Clouds(),  # 云雾
                   iaa.imgcorruptlike.Fog(severity=),  # 多雾/霜
                   # iaa.imgcorruptlike.Snow(severity=),  # 下雨、大雪
                   iaa.Rain(drop_size=(.10, 0.15), speed=(0.1, 0.2)),  # 雨
                   iaa.Snowflakes(flake_size=(.1, 0.4), speed=(0.01, 0.03)), # 雪点
                   # iaa.FastSnowyLandscape(lightness_threshold=(, 255),lightness_multiplier=(1.5, 2.0)), # 雪地   亮度阈值是从 uniform(100, 255)（每张图像）和来自 uniform(1.5, 2.0)（每张图像）的乘数采样的。 这似乎产生了良好而多样的结果。
                   # iaa.imgcorruptlike.Spatter(severity=),  # 溅 123水滴、45泥

                   # 对比度 亮度 饱和度 选其一
                   iaa.SomeOf((, 1),
                       [
                           iaa.imgaug.augmenters.contrast.LinearContrast((.5, 2.0), per_channel=0.5),  # 对比度变为原来的一半或者二倍
                           iaa.imgcorruptlike.Brightness(severity=(, 2)),  # 亮度增加
                           iaa.imgcorruptlike.Saturate(severity=(, 3)),  # 色彩饱和度
                       ]
                   )
               ],
               # 随机顺序运行augmentations
               random_order=True
               )
], random_order=True)  # 随机运行augmenters数量

# 图片文件相关路径
path = './input/'
savedpath = './output/'

imglist = []
filelist = os.listdir(path)

# 遍历要增强的文件夹，把所有的图片保存在imglist中
for item in filelist:
    img = cv.imread(path + item)
    # print('item is ',item)
    # print('img is ',img)
    # images = load_batch(batch_idx)
    imglist.append(img)
# print('imglist is ' ,imglist)
print('all the picture have been appent to imglist')


for count in range():
    images_aug = seq.augment_images(imglist)
    for index in range(len(images_aug)):
        # 保存图片 文件名和源文件相同
        filename = str(filelist[index])
        cv.imwrite(savedpath + filename, images_aug[index])
        print('image of count%s index%s has been writen' % (count, index))

else

对input里的原图像重命名：00001.jpg或者1.jpg

重命名00001.jpg

Rename0001.py

# ###################文件重命名#################

import os
import re
import sys

path = r"./input"
filelist = os.listdir(path)
filetype = '.jpg'
for file in filelist:
    print(file)
for file in filelist:
    Olddir = os.path.join(path, file)
    print(Olddir)
    if os.path.isdir(Olddir):
        continue

    # os.path.splitext("path")：分离文件名与扩展名
    filename = os.path.splitext(file)[]
    filetype = os.path.splitext(file)[]

    # zfill() 方法返回指定长度的字符串，原字符串右对齐，前面填充
    Newdir = os.path.join(path, filename.zfill() + filetype)  # 数字5是定义为5位数，可随意修改需要的
    os.rename(Olddir, Newdir)

重命名1.jpg

Rename1.py

# ###################文件重命名################
import os
class BatchRename():

    def __init__(self):
        self.path = './input/'  # 图片的路径

    def rename(self):
        filelist = os.listdir(self.path)
        filelist.sort()
        total_num = len(filelist)  # 获取文件中有多少图片
        i =  # 文件命名从哪里开始（即命名从哪里开始）
        for item in filelist:
            if item.endswith('.png'):
                src = os.path.join(self.path, item)
                dst = os.path.join(os.path.abspath(self.path), str(i) + '.png')

                try:
                    os.rename(src, dst)
                    print('converting %s to %s ...' % (src, dst))
                    i = i +
                except Exception as e:
                    print(e)
                    print('rename dir fail\r\n')

        print('total %d to rename & converted %d jpgs' % (total_num, i))


if __name__ == '__main__':
    demo = BatchRename()  # 创建对象
    demo.rename()  # 调用对象的方法

效果图

input示例 00001.jpg

请添加图片描述

output示例 00001.jpg

在这里插入图片描述

input示例 00005.jpg

在这里插入图片描述

output示例 00005.jpg

在这里插入图片描述

Python imgaug库安装与使用教程(图片加模糊光雨雪雾等特效)

目录

简介

安装

Overview

特效

Project 结构

程序

参考的源代码（来源于网络）

简易变换 试效果

使用 模糊光雨雪雾

else

重命名00001.jpg

重命名1.jpg

效果图

简易变换试效果

使用模糊光雨雪雾