0

请注意：我是新手，所以请温柔一点。

我正在尝试创建一个函数，该函数将移动 MNIST 数据集中的每个图像并将移动后的图像添加到原始数据集中，从而有效地将数据集大小加倍。

我的代码（警告，这可能是一团糟，我最终将不得不学习如何编写更优雅的函数）：

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

我检查了输出的数据集，它似乎没有应用转变。任何人都可以指导我过去吗？

4

1 回答 1

0

无需编写自己的函数来执行此操作，而是依赖更高级别的机器学习/深度学习模块提供的内置函数。

就像在 Keras 模块中一样，有一个名为ImageDataGenerator()的内置函数

此函数有两个参数用于在图像中生成偏移。一个用于水平移位，另一个用于垂直移位。这两个论点是：

width_shift_range,
height_shift_range

这些参数中的每一个都采用：浮点数、一维数组或整数。

1）。float：总高度的分数，如果 < 1，或像素，如果 >= 1。

2）。一维数组：来自数组的随机元素。

3）。int：间隔中的整数像素数（-height_shift_range，+height_shift_range）

现在，您想扩充这些图像并将它们全部保存在同一个文件夹中，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

上面的代码片段将在名为“/path/to/folder/to/save/images/”的文件夹中创建 300 个新图像。然后你所要做的就是将你的原始图像粘贴到这个文件夹中。

您可以为 ImageDataGenerator() 提供其他参数，例如亮度、缩放、垂直翻转、水平翻转等。查看文档以获取更多此类参数。

于 2019-11-25T13:50:16.170 回答