要抬起头:我是新来的,所以请保持冷静。
我正在尝试创建一个函数,该函数将平移MNIST数据集中的每个图像并将平移后的图像添加到原始数据集中,从而有效地使数据集大小加倍。
我的代码(警告,可能是一团糟,我最终必须学习如何编写更精美的函数):
def four_point(i_set):
o_set = i_set
for i in i_set:
copy1 = np.ndarray(shape=(28,28))
shift(i, shift=(1,0), output=copy1)
copy1 = copy1.reshape(1,28,28)
o_set = np.concatenate((o_set, copy1))
return o_set
我已经检查了输出的数据集,它似乎没有应用偏移。有人可以引导我过去吗?
答案 0 :(得分:0)
取决于编写更高级别的机器学习/深度学习模块提供的内置功能,而不是编写自己的函数来执行此操作。
就像Keras模块中一样,有一个内置函数叫做ImageDataGenerator()
此函数有两个用于在图像中产生偏移的参数。一个用于水平移位,另一个用于垂直移位。这两个参数是:
width_shift_range,
height_shift_range
每个参数都采用:Float,类似于一维数组或int。
1)。 float:如果小于1,则为总高度的分数;如果大于等于1,则为像素。
2)。一维数组状:数组中的随机元素。
3)。 int:间隔(-height_shift_range,+ height_shift_range)中的整数像素数
现在,要想扩充这些图像并将它们全部保存在同一文件夹中,请使用以下代码:
aug = ImageDataGenerator(width_shift_range=0.2,height_shift_range=0.2)
### Make sure to have "/" at the end of the path
list_of_images=os.listdir("/path/to/the/folder/of/images/")
total = 0
#Change the value of "const" to the number of new augmented images to be created
const= 300
for i in range(const):
curr_image = random.choice(list_of_images)
image = load_img("/path/to/the/folder/of/images/"+curr_image)
image = img_to_array(image)
image = np.expand_dims(image, axis=0)
imageGen = aug.flow(image, batch_size=1, save_to_dir='/path/to/folder/to/save/images/',save_prefix="augment_image",save_format="jpg")
for image in imageGen:
total += 1
if total == const:
break
break
以上片段将在名为“ / path / to / folder / to / save / images /”的文件夹中创建300张新图像。然后,您要做的就是将原始图像粘贴到此文件夹中。
您还可以为ImageDataGenerator()提供其他参数,例如亮度,缩放,垂直翻转,水平翻转等。在documentation中查找更多此类参数。