python-3.x - 从单个图像生成图像数据集

Question

我有一张如下所示的图像:

我需要生成一个图像数据集，保留该图像的基本特征，但添加一些噪声，例如我们在图像中看到 1:30 时间的一条线。

主要是图像的粉红色部分(垂直线)、蓝色部分(中央蓝色色调)和边缘的黄/绿色部分。我希望以一种可以控制这三件事并随机生成的方式“学习”图像:

• 蓝色中心色调的小颜色变化和大小
• 粉红色垂直线的粗细和颜色
• 黄色/绿色边缘及其大小(我可以以牺牲中间的蓝色为代价来扩展它们，反之亦然
• 约束:黄色圆圈(半导体晶圆的图像)的大小或形状不能改变。但它可以在黑色方 block 的顶部移动。正如上面三点所述，它内部的结构也会发生变化。

对于具有计算机视觉经验的人来说，这可能是一个简单的问题，但不幸的是，我在这个领域没有太多经验。因此，我很想获得有关在这个方向取得进展的任何想法。谢谢。

Answer 1

一种方法是使用 keras 的 ImageDataGenerator

• 1. 确定您需要多少样本？假设5。
  • total_number = 5
• 初始化ImageDataGenerator类。例如

• data_gen = ImageDataGenerator(rescale=1. / 255, shear_range=0.2,
                                 zoom_range=0.2, horizontal_flip=True)
  

• 将图像转换为张量。

• img = load_img("xIzEG.png", grayscale=False)  # You can also create gray-images.
  arr = img_to_array(img)
  tensor_img = arr.reshape((1, ) + arr.shape)
  

• 创建一个要存储结果的文件夹，即填充，然后填充

• for i, _ in enumerate(data_gen.flow(x=tensor_img,
                                      batch_size=1,
                                      save_to_dir="populated",
                                      save_prefix="generated",
                                      save_format=".png")):
  if i > total_number:
      break
  

现在，如果您查看您的已填充文件夹:

代码

---

from keras.preprocessing.image import load_img, img_to_array
from keras.preprocessing.image import ImageDataGenerator

# Total Generated number
total_number = 5

data_gen = ImageDataGenerator(rescale=1. / 255, shear_range=0.2,
                              zoom_range=0.2, horizontal_flip=True)

# Create image to tensor
img = load_img("xIzEG.png", grayscale=False)
arr = img_to_array(img)
tensor_image = arr.reshape((1, ) + arr.shape)

for i, _ in enumerate(data_gen.flow(x=tensor_image,
                                    batch_size=1,
                                    save_to_dir="populated",
                                    save_prefix="generated",
                                    save_format=".png")):
    if i > total_number:
        break