Como usar o Pillow para realizar aumento de dados em uma imagem?

Ei! Sou fornecedor do Pillow e hoje vou compartilhar com vocês como usar o Pillow, a Python Imaging Library, para realizar o aumento de dados em uma imagem. O aumento de dados é muito importante no campo de aprendizado de máquina e visão computacional, especialmente quando você lida com dados de treinamento limitados. Ajuda a criar amostras de treinamento mais diversas, o que pode melhorar o desempenho e a capacidade de generalização de seus modelos.

O que é travesseiro?

Primeiramente, vamos falar um pouco sobre o Pillow. Pillow é uma biblioteca poderosa e fácil de usar para abrir, manipular e salvar diferentes formatos de arquivo de imagem em Python. É uma biblioteca de código aberto que oferece uma ampla gama de recursos de processamento de imagens, como redimensionamento, corte, rotação e manipulação de cores. Se você gosta de processamento de imagens em Python, Pillow é definitivamente uma biblioteca obrigatória.

Instalação

Antes de começarmos, você precisa ter o Pillow instalado. Você pode instalá-lo facilmente usandopip. Basta abrir seu terminal e executar o seguinte comando:

almofada de instalação pip

Depois de instalado, você está pronto para começar!

Carregamento básico de imagens

Vamos começar com o básico. Para usar o Pillow para aumento de dados, primeiro você precisa carregar uma imagem. Aqui está um exemplo simples:

from PIL import Image # Abra um arquivo de imagem image = Image.open('your_image.jpg')

Neste código, importamos oImagemmódulo doPIL(Travesseiro) e, em seguida, use oabrirmétodo para carregar um arquivo de imagem. Certifique-se de substituir'sua_imagem.jpg'com o caminho real para sua imagem.

Redimensionando a imagem

Uma das formas mais simples de aumento de dados é redimensionar a imagem. Você pode querer redimensionar uma imagem para um tamanho específico para o seu modelo. Veja como você pode fazer isso:

# Redimensione a imagem resized_image = image.resize((224, 224))

Neste código, usamos oredimensionarmétodo doImagemobjeto. OredimensionarO método recebe uma tupla como argumento, que representa a nova largura e altura da imagem. Nesse caso, estamos redimensionando a imagem para 224x224 pixels, que é um tamanho comum para muitos modelos de aprendizado profundo.

Girando a imagem

Girar uma imagem também pode adicionar diversidade aos seus dados de treinamento. Você pode girar uma imagem em um determinado ângulo usando ogirarmétodo:

# Gira a imagem em 90 graus rotated_image = image.rotate(90)

Aqui, estamos girando a imagem em 90 graus. Você pode alterar o ângulo para qualquer valor que desejar.

Invertendo a imagem

Inverter uma imagem horizontal ou verticalmente é outra forma simples, mas eficaz de aumentar os dados. Veja como você pode inverter uma imagem:

# Virar a imagem horizontalmente flipped_horizontal = image.transpose(Image.FLIP_LEFT_RIGHT) # Virar a imagem verticalmente flipped_vertical = image.transpose(Image.FLIP_TOP_BOTTOM)

Na primeira linha usamos otranspormétodo com oImagem.FLIP_LEFT_RIGHTconstante para virar a imagem horizontalmente. Na segunda linha usamosImagem.FLIP_TOP_BOTTOMpara virar a imagem verticalmente.

Mudando a cor da imagem

Você também pode alterar a cor de uma imagem para criar amostras mais diversas. Por exemplo, você pode converter uma imagem em tons de cinza:

# Converte a imagem em tons de cinza grayscale_image = image.convert('L')

Oconvertermétodo é usado aqui para converter a imagem para um modo diferente. O'EU'modo significa escala de cinza.

Cortando a imagem

Cortar uma imagem pode focar em uma parte específica da imagem. Veja como você pode cortar uma imagem:

# Defina a caixa de corte (esquerda, superior, direita, inferior) crop_box = (100, 100, 300, 300) cropped_image = image.crop(crop_box)

Neste código, definimos uma caixa de corte usando uma tupla de quatro valores que representam as coordenadas esquerda, superior, direita e inferior do retângulo que queremos cortar. Então usamos ocortarmétodo para cortar a imagem de acordo com a caixa definida.

Combinando vários aumentos

Você também pode combinar vários aumentos para criar amostras ainda mais diversas. Aqui está um exemplo:

# Combine vários aumentos redimensionados = image.resize((224, 224)) rotacionado = resized.rotate(45) invertido = rotacionado.transpose(Image.FLIP_LEFT_RIGHT)

Neste código, primeiro redimensionamos a imagem, depois giramos a imagem redimensionada e, finalmente, viramos a imagem girada horizontalmente.

Salvando as imagens aumentadas

Depois de realizar o aumento de dados, talvez você queira salvar as imagens aumentadas. Veja como você pode fazer isso:

# Salve a imagem aumentada flipped.save('flipped_image.jpg')

Osalvarmétodo doImagemobjeto é usado para salvar a imagem em um arquivo. Certifique-se de fornecer um nome de arquivo e extensão válidos.

Por que escolher nossas almofadas?

Agora, como fornecedor de Almofadas, gostaria de falar um pouco sobre nossos produtos. Oferecemos uma ampla gama de travesseiros de alta qualidade, incluindoAlmofada de espuma viscoelásticaeTravesseiro doméstico. Nossas almofadas de espuma viscoelástica são projetadas para fornecer excelente suporte para pescoço e cabeça, reduzindo o risco de dores no pescoço e melhorando a qualidade do sono. Nossas almofadas domésticas são feitas de materiais macios e respiráveis, garantindo uma experiência de sono confortável.

Conclusão

Concluindo, usar o Pillow para aumento de dados é uma ótima maneira de criar dados de treinamento mais diversificados para seus modelos de aprendizado de máquina e visão computacional. Com sua API simples e intuitiva, você pode realizar facilmente várias operações de processamento de imagens, como redimensionar, girar, inverter e muito mais. E se você está procurando um ótimo travesseiro, seja um travesseiro de espuma viscoelástica para melhor suporte ou um travesseiro doméstico para uso diário, nós temos o que você precisa.

Se você estiver interessado em nossos produtos de travesseiros ou tiver alguma dúvida sobre o aumento de dados usando o Pillow, sinta-se à vontade para entrar em contato para uma discussão sobre compras. Estamos ansiosos para ouvir de você!

Referências

• Documentação oficial do travesseiro
• Vários tutoriais online sobre aumento de dados em Python