Svetlost, kontrast, nasičenost in odtenek so pomembni dejavniki slike, ki lahko vplivajo na njen videz. PyTorch ponuja » ColorJitter() ” za naključno prilagajanje svetlosti, kontrasta, nasičenosti in odtenka določene slike. Uporabniki lahko določijo obseg vrednosti za vsak parameter kot torko ali eno samo vrednost. Ta metoda vrne na novo prilagojeno sliko z naključno spremenjenimi želenimi faktorji iz podanega obsega.
Ta blog bo ponazoril metodo prilagajanja svetlosti, kontrasta, nasičenosti in odtenka slike v PyTorchu.
Kako naključno prilagoditi svetlost, kontrast, nasičenost in odtenek slike v PyTorchu?
Če želite naključno prilagoditi svetlost, kontrast, nasičenost in odtenek slike v PyTorchu, sledite spodnjim korakom:
1. korak: naložite sliko v Google Colab
Najprej odprite Google Colab in kliknite spodaj označene ikone. Nato izberite določeno sliko iz računalnika in jo naložite:
Pozneje bo slika naložena v Google Colab:
Tukaj smo naložili naslednjo sliko in naključno bomo prilagodili njeno svetlost, kontrast, nasičenost in odtenek:
2. korak: uvozite potrebno knjižnico
Nato uvozite zahtevane knjižnice. Na primer, uvozili smo naslednje knjižnice:
uvozna svetilkaimport torchvision.transforms kot preoblikuje
iz slike uvoza PIL
Tukaj:
-
- “ uvozna svetilka ” uvozi knjižnico PyTorch.
- “ import torchvision.transforms as transforms ” uvozi transformatorski modul iz torchvisiona, ki se uporablja za predhodno obdelavo slikovnih podatkov, preden se podajo v nevronsko mrežo.
- “ iz slike uvoza PIL ” se uporablja za odpiranje in shranjevanje različnih formatov slikovnih datotek:
3. korak: preberite vhodno sliko
Nato preberite vhodno sliko iz računalnika. Tukaj beremo ' cvetje_img.jpg « in ga shranite v » input_img ” spremenljivka:
input_img = Image.open ( 'rože_img.jpg' )
4. korak: Določite transformacijo
Nato definirajte transformacijo, da prilagodite svetlost, kontrast, nasičenost in odtenek zgornje vhodne slike. Tukaj smo definirali naslednje vrednosti za te dejavnike:
transform = transforms.ColorJitter ( svetlost = 1.5 , kontrast = 1.2 , nasičenost = 2 , odtenek = 0,3 )
5. korak: Uporabite transformacijo na sliki
Zdaj uporabite zgornjo transformacijo na želeni vhodni sliki, da prilagodite njene želene faktorje:
new_img = transformacija ( input_img )
6. korak: Prikažite prilagojeno sliko
Nazadnje si oglejte prilagojeno sliko tako, da jo prikažete:
nova_slika
Zgornji rezultat kaže, da so bili svetlost, kontrast, nasičenost in odtenek vhodne slike uspešno prilagojeni z navedenimi dejavniki.
Primerjava
Primerjavo med originalno in prilagojeno sliko si lahko ogledate spodaj:
Izvirna slika
|
Prilagojena slika
|
Opomba : Do našega zvezka Google Colab lahko dostopate tukaj povezava .
Poleg tega si lahko ogledate tudi priložene članke o prilagajanju svetlosti, kontrasta, nasičenosti in odtenka slike:
Učinkovito smo razložili metodo naključnega prilagajanja svetlosti, kontrasta, nasičenosti in odtenka slike v PyTorchu.
Zaključek
Če želite naključno prilagoditi svetlost, kontrast, nasičenost in odtenek slike v PyTorchu, najprej naložite želeno sliko v Google Colab. Nato uvozite zahtevane knjižnice in preberite vhodno sliko. Po tem uporabite » ColorJitter() ” za uporabo naključnih transformacij svetlosti, nasičenosti, kontrasta in odtenka slike. Nazadnje si oglejte prilagojeno sliko tako, da jo prikažete. Ta blog je ponazoril metodo prilagajanja svetlosti, kontrasta, nasičenosti in odtenka slike v PyTorchu.