Η φωτεινότητα, η αντίθεση, ο κορεσμός και η απόχρωση είναι οι σημαντικοί παράγοντες μιας εικόνας που μπορούν να επηρεάσουν την εμφάνισή της. Το PyTorch παρέχει το ' ColorJitter() ' μέθοδος για τυχαία προσαρμογή της φωτεινότητας, της αντίθεσης, του κορεσμού και της απόχρωσης της συγκεκριμένης εικόνας. Οι χρήστες μπορούν να καθορίσουν το εύρος τιμών για κάθε παράμετρο ως πλειάδα ή μεμονωμένη τιμή. Αυτή η μέθοδος επιστρέφει μια πρόσφατα προσαρμοσμένη εικόνα με τυχαία αλλαγμένους επιθυμητούς παράγοντες από το καθορισμένο εύρος.
Αυτό το ιστολόγιο θα απεικονίσει τη μέθοδο προσαρμογής της φωτεινότητας, της αντίθεσης, του κορεσμού και της απόχρωσης της εικόνας στο PyTorch.
Πώς να προσαρμόσετε τυχαία τη φωτεινότητα, την αντίθεση, τον κορεσμό και την απόχρωση της εικόνας στο PyTorch;
Για να προσαρμόσετε τυχαία τη φωτεινότητα, την αντίθεση, τον κορεσμό και την απόχρωση μιας εικόνας στο PyTorch, ακολουθήστε τα παρακάτω βήματα:
Βήμα 1: Ανεβάστε μια εικόνα στο Google Colab
Αρχικά, ανοίξτε το Google Colab και κάντε κλικ στα εικονίδια που τονίζονται παρακάτω. Στη συνέχεια, επιλέξτε τη συγκεκριμένη εικόνα από τον υπολογιστή και ανεβάστε την:
Στη συνέχεια, η εικόνα θα μεταφορτωθεί στο Google Colab:
Εδώ, έχουμε ανεβάσει την παρακάτω εικόνα και θα προσαρμόσουμε τυχαία τη φωτεινότητα, την αντίθεση, τον κορεσμό και την απόχρωση:
Βήμα 2: Εισαγάγετε την απαραίτητη βιβλιοθήκη
Στη συνέχεια, εισαγάγετε τις απαιτούμενες βιβλιοθήκες. Για παράδειγμα, έχουμε εισαγάγει τις ακόλουθες βιβλιοθήκες:
φακός εισαγωγήςεισαγωγή torchvision.μεταμορφώνει όπως και μεταμορφώνει
από την εικόνα εισαγωγής PIL
Εδώ:
-
- ' φακός εισαγωγής ” εισάγει τη βιβλιοθήκη PyTorch.
- ' εισαγωγή torchvision.μεταμορφώνεται ως μετασχηματισμοί ” εισάγει τη μονάδα μετασχηματισμού από το Torchvision που χρησιμοποιείται για την προεπεξεργασία δεδομένων εικόνας πριν την τροφοδοτήσει σε ένα νευρωνικό δίκτυο.
- ' από την εικόνα εισαγωγής PIL ' χρησιμοποιείται για το άνοιγμα και την αποθήκευση διαφορετικών μορφών αρχείων εικόνας:
Βήμα 3: Διαβάστε την εικόνα εισόδου
Μετά από αυτό, διαβάστε την εικόνα εισόδου από τον υπολογιστή. Εδώ, διαβάζουμε το « flowers_img.jpg ' και την αποθήκευσή του στο ' input_img ' μεταβλητή:
input_img = Image.open ( 'flowers_img.jpg' )
Βήμα 4: Ορίστε έναν μετασχηματισμό
Στη συνέχεια, ορίστε έναν μετασχηματισμό για να προσαρμόσετε τη φωτεινότητα, την αντίθεση, τον κορεσμό και την απόχρωση της παραπάνω εικόνας εισόδου. Εδώ, έχουμε ορίσει τις ακόλουθες τιμές για αυτούς τους παράγοντες:
transform = μεταμορφώνει.ColorJitter ( λάμψη = 1.5 , αντίθεση = 1.2 , κορεσμός = 2 , απόχρωση = 0.3 )
Βήμα 5: Εφαρμόστε το Transform στην εικόνα
Τώρα, εφαρμόστε τον παραπάνω μετασχηματισμό στην επιθυμητή εικόνα εισόδου για να προσαρμόσετε τους επιθυμητούς παράγοντες:
new_img = μετασχηματισμός ( input_img )
Βήμα 6: Εμφάνιση της προσαρμοσμένης εικόνας
Τέλος, δείτε την προσαρμοσμένη εικόνα εμφανίζοντάς την:
new_img
Η παραπάνω έξοδος δείχνει ότι η φωτεινότητα, η αντίθεση, ο κορεσμός και η απόχρωση της εικόνας εισόδου έχουν ρυθμιστεί με επιτυχία με τους καθορισμένους παράγοντες.
Σύγκριση
Η σύγκριση μεταξύ της αρχικής εικόνας και της προσαρμοσμένης εικόνας φαίνεται παρακάτω:
|
Πρωτότυπη εικόνα |
Προσαρμοσμένη εικόνα |
Σημείωση : Μπορείτε να αποκτήσετε πρόσβαση στο Σημειωματάριο Google Colab από αυτό Σύνδεσμος .
Επιπλέον, μπορείτε επίσης να δείτε τα παρεχόμενα άρθρα σχετικά με τη ρύθμιση της φωτεινότητας, της αντίθεσης, του κορεσμού και της απόχρωσης μιας εικόνας:
Έχουμε εξηγήσει αποτελεσματικά τη μέθοδο τυχαίας προσαρμογής της φωτεινότητας, της αντίθεσης, του κορεσμού και της απόχρωσης της εικόνας στο PyTorch.
συμπέρασμα
Για να προσαρμόσετε τυχαία τη φωτεινότητα, την αντίθεση, τον κορεσμό και την απόχρωση της εικόνας στο PyTorch, πρώτα ανεβάστε την επιθυμητή εικόνα στο Google Colab. Στη συνέχεια, εισαγάγετε τις απαιτούμενες βιβλιοθήκες και διαβάστε την εικόνα εισόδου. Μετά από αυτό, χρησιμοποιήστε το ' ColorJitter() μέθοδος για την εφαρμογή τυχαίων μετασχηματισμών στη φωτεινότητα, τον κορεσμό, την αντίθεση και την απόχρωση μιας εικόνας. Τέλος, προβάλετε την προσαρμοσμένη εικόνα εμφανίζοντάς την. Αυτό το ιστολόγιο έχει επεξηγήσει τη μέθοδο προσαρμογής της φωτεινότητας, της αντίθεσης, του κορεσμού και της απόχρωσης της εικόνας στο PyTorch.