零基础入门CV之街道字符识别 Task2 数据读取与数据扩增

数据读取方法

Pillow

Pillow是Python图像处理函式库(PIL）的一个分支。
首先安装pillow

pip install --upgrade pillow

要从文件加载图像，使用Image中的open()函数

from PIL import Image
im = Image.open("D:\jiejing\mchar_train\\000520.png")
im.show()

(路径中0前面得是\\，若是\则报错）
获取属性

print(im.format, im.size, im.mode)

更多图像处理操作可见Pillow官方文档 https://pillow.readthedocs.io/en/stable/

Opencv

OpenCV是一个跨平台的计算机视觉库，拥有众多的计算机视觉、数字图像处理和机器视觉等功能。
首先安装OpenCV

pip install --upgrade opencv-Python

import cv2
img = cv2.imread('D:\jiejing\mchar_train\\000521.png') #读入图片
cv2.namedWindow('image', cv2.WINDOW_NORMAL) #初始化一个窗口
cv2.imshow('image',img) #在窗口中显示图片，有两个参数 ：窗口名称与图片变量
cv2.waitKey(0) #绑定键盘动作
cv2.destroyAllWindows() #按下任意键关闭显示图片的窗口

更多图像处理操作可见Opencv官方文档
https://opencv.org/

数据扩增方法

数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。

torchvision

torchvision包括流行的数据集、模型结构和用于计算机视觉的常见图像转换。

torchvision.transforms.Compose(transforms)
#将几个变换组合在一起

torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)
#改变图像的亮度、对比度和饱和度

torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None, fill=None)
#按角度旋转图像

torchvision.transforms.Resize(size, interpolation=2)
#将输入PIL图像的大小调整为给定的大小

imgaug

常用的第三方数据扩增库，提供了多样的数据扩增方法，且组合起来非常方便，速度较快。

albumentations

常用的第三方数据扩增库，提供了多样的数据扩增方法，对图像分类、语义分割、物体检测和关键点检测都支持，速度较快。

Pytorch读取数据

Dataset：对数据集的封装，提供索引方式的对数据样本进行读取
DataLoder：对Dataset进行封装，提供批量读取的迭代读取

import os, sys, glob, shutil, json
import cv2

from PIL import Image
import numpy as np

import torch
from torch.utils.data.dataset import Dataset #Dataset 是 PyTorch 中用来表示数据集的一个抽象类
import torchvision.transforms as transforms

class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None

def __getitem__(self, index):      #__getitem__：实现这个方法后，可以通过下标的方式（ dataset[i] ）的来取得第 i 个数据
img = Image.open(self.img_path[index]).convert('RGB')

if self.transform is not None:
img = self.transform(img)

# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl)  + (5 - len(lbl)) * [10]
#默认识别五个数
return img, torch.from_numpy(np.array(lbl[:5]))

def __len__(self):       #__len__：数据集大小
return len(self.img_path)

train_path = glob.glob('D:\jiejing\mchar_train/*.png')
train_path.sort()
train_json = json.load(open('D:\jiejing\mchar_train.json'))
train_label = [train_json[x]['label'] for x in train_json]

train_loader = torch.utils.data.DataLoader(
SVHNDataset(train_path, train_label,
transforms.Compose([
transforms.Resize((64, 128)),
transforms.ColorJitter(0.3, 0.3, 0.2),
transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=10, # 每批样本个数
shuffle=False, # 是否打乱顺序
num_workers=0, # 读取的线程个数
)

for data in train_loader:
break

在加入DataLoder后，数据按照批次获取，每批次调用Dataset读取单个样本进行拼接。此时data的格式为：
torch.Size([10, 3, 64, 128]), torch.Size([10, 6])
前者为图像文件，为batchsize * chanel * height * width次序；后者为字符标签。