图像矢量化 人工智能（36.人工智能基于API的图像增强常见操作）

图像矢量化 人工智能（36.人工智能基于API的图像增强常见操作）3、Compose，组合增强import paddle.vision.transforms as T import cv2 import numpy as np img=cv2.imread("img/street.jpg") #定义一个增强操作 transform=T.RandomResizedCrop(640) #执行操作 dst=transform(img) #显示结果 cv2.imshow("dst" dst) cv2.waitKey(0) cv2.destroyAllWindows()RandomResizedCrop(640) 'Compose' 'Resize' 'RandomResizedCrop' 'CenterCrop' 'RandomHorizo

在做图像处理时，我们经常要对图像进行一些增强操作，如：缩放、随机大小裁剪、中心裁剪、随机水平翻转、随机垂直翻转、随机裁剪、随机旋转、颜色调整等。

前面有讲过一篇基于OpenCV的图像增强操作（ 21. OpenCV 图像增强操作 ），本着不用重复造轮子的想法，我们可以直接使用深度学习框架自带的图像增强操作API，下面以飞桨深度学习框架为例，具体讲一下图像增强的基本操作方法。

源图像（1330*1330）

一、读取显示源图像信息

import cv2 img=cv2.imread("img/street.jpg") print(img.shape) cv2.imshow("img" img) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果：（1330 1330 3）

二、框架自带图像增强常见API

'Compose' 'Resize' 'RandomResizedCrop' 'CenterCrop' 'RandomHorizontalFlip' 'RandomVerticalFlip' 'ColorJitter' 'RandomCrop' 'RandomRotation'

1、Resize 缩放

import paddle.vision.transforms as T import cv2 import numpy as np img=cv2.imread("img/street.jpg") #定义一个增强操作 transform=T.Resize(size=(640 640)) #执行操作 dst=transform(img) #显示结果 cv2.imshow("dst" dst) cv2.waitKey(0) cv2.destroyAllWindows()

Resize(size=(640 640))

2、RandomResizedCrop，随机缩放裁剪

import paddle.vision.transforms as T import cv2 import numpy as np img=cv2.imread("img/street.jpg") #定义一个增强操作 transform=T.RandomResizedCrop(640) #执行操作 dst=transform(img) #显示结果 cv2.imshow("dst" dst) cv2.waitKey(0) cv2.destroyAllWindows()

RandomResizedCrop(640)

3、Compose，组合增强

有时需要对图像同时进行几个增强操作，如：随机大小裁剪 随机旋转 颜色变化

import paddle.vision.transforms as T import cv2 import numpy as np img=cv2.imread("img/street.jpg") #定义一个的组合增强操作 transform=T.Compose([ T.RandomResizedCrop(640) T.RandomRotation(np.random.randint(0 360)) T.ColorJitter(np.random.rand() np.random.rand() np.random.rand() np.random.rand()) ]) dst=transform(img) cv2.imshow("dst" dst) cv2.waitKey(0) cv2.destroyAllWindows()

随机大小裁剪 随机旋转 颜色变化

其他增强操作API的使用方法类似，具体使用的参数可以查看API说明。