使用Albumentations 对关键点 做增强
【摘要】 目录1、导入所需要的库2、定义可视化图像关键点的函数3、展示图像的关键点4、定义一个简单的管道5、扩充管道的更多示例6、一个复杂的增强管道例子在本示例中，我们将展示如何将Albumentations 应用于关键点增强的问题。 请参考变换列表及其支持的目标，以查看哪些空间级增强支持关键点。 您可以对具有关键点的图像使用任何像素级增强，因为像素级增强不会影响关键点。注意：默认情况下，与关键点...
目录
在本示例中，我们将展示如何将Albumentations 应用于关键点增强的问题。 请参考变换列表及其支持的目标，以查看哪些空间级增强支持关键点。 您可以对具有关键点的图像使用任何像素级增强，因为像素级增强不会影响关键点。
注意：默认情况下，与关键点配合使用的增强功能不会在转换后更改关键点的标签。 如果要点的标签是特定于侧面的，则可能会引起问题。 例如，如果您有一个名为``左臂''的关键点并应用了HorizontalFlip增强，您将获得一个具有相同左臂标签的关键点，但现在看起来像是一个右臂关键点。 有关视觉示例，请参见本文末尾的图片。
如果您使用这种类型的关键点，请考虑使用为解决这种情况而专门创建的，来自albumentations-experimental的SymmetricKeypoints扩展。
1、导入所需要的库
import random
import cv2
from matplotlib import pyplot as plt
import albumentations as A
2、定义可视化图像关键点的函数
KEYPOINT_COLOR = (0, 255, 0) # Green
def vis_keypoints(image, keypoints, color=KEYPOINT_COLOR, diameter=15):
image = image.copy()
for (x, y) in keypoints:
cv2.circle(image, (int(x), int(y)), diameter, (0, 255, 0), -1)
plt.figure(figsize=(8, 8))
plt.axis('off')
plt.imshow(image)
得到图像和标注
image = cv2.imread('images/keypoints_image.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
定义关键点
我们将使用xy格式作为关键点的坐标。 每个关键点都有两个坐标定义，x是在x轴上的位置，y是在y轴上的位置。 请参阅本文，详细了解关键点坐标的格式-https://albumentations.ai/docs/getting_started/keypoints_augmentation/
keypoints = [
(100, 100),
(720, 410),
(1100, 400),
(1700, 30),
(300, 650),
(1570, 590),
(560, 800),
(1300, 750),
(900, 1000),
(910, 780),
(670, 670),
(830, 670),
(1000, 670),
(1150, 670),
(820, 900),
(1000, 900),
]
3、展示图像的关键点
vis_keypoints(image, keypoints)
4、定义一个简单的管道
transform = A.Compose(
[A.HorizontalFlip(p=1)],
keypoint_params=A.KeypointParams(format='xy')
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
5、扩充管道的更多示例
transform = A.Compose(
[A.VerticalFlip(p=1)],
keypoint_params=A.KeypointParams(format='xy')
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
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)
transform = A.Compose(
[A.RandomCrop(width=768, height=768, p=1)],
keypoint_params=A.KeypointParams(format='xy')
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
random.seed(7)
transform = A.Compose(
[A.Rotate(p=0.5)],
keypoint_params=A.KeypointParams(format='xy')
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
transform = A.Compose(
[A.CenterCrop(height=512, width=512, p=1)],
keypoint_params=A.KeypointParams(format='xy')
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
random.seed(7)
transform = A.Compose(
[A.ShiftScaleRotate(p=0.5)],
keypoint_params=A.KeypointParams(format='xy')
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
6、一个复杂的增强管道例子
random.seed(7)
transform = A.Compose([
A.RandomSizedCrop(min_max_height=(256, 1025), height=512, width=512, p=0.5),
A.HorizontalFlip(p=0.5),
A.OneOf([
A.HueSaturationValue(p=0.5),
A.RGBShift(p=0.7)
], p=1),
A.RandomBrightnessContrast(p=0.5)
],
keypoint_params=A.KeypointParams(format='xy'),
)
transformed = transform(image=image, keypoints=keypoints)
vis_keypoints(transformed['image'], transformed['keypoints'])
【声明】本内容来自华为云开发者社区博主，不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息，否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）