Jasność, kontrast, nasycenie i odcień to ważne czynniki obrazu, które mogą wpływać na jego wygląd. PyTorch zapewnia „ Drżenie koloru() ”, aby losowo dostosować jasność, kontrast, nasycenie i odcień określonego obrazu. Użytkownicy mogą określić zakres wartości dla każdego parametru jako krotkę lub pojedynczą wartość. Ta metoda zwraca nowo dostosowany obraz z losowo zmienionymi pożądanymi współczynnikami z określonego zakresu.
W tym blogu przedstawiono metodę dostosowywania jasności, kontrastu, nasycenia i odcienia obrazu w PyTorch.
Jak losowo dostosować jasność, kontrast, nasycenie i odcień obrazu w PyTorch?
Aby losowo dostosować jasność, kontrast, nasycenie i odcień obrazu w PyTorch, wykonaj poniższe kroki:
Krok 1: Prześlij obraz do Google Colab
Najpierw otwórz Google Colab i kliknij wyróżnione poniżej ikony. Następnie wybierz konkretny obraz z komputera i prześlij go:
Następnie obraz zostanie przesłany do Google Colab:
Tutaj przesłaliśmy następujący obraz i losowo dostosujemy jego jasność, kontrast, nasycenie i odcień:
Krok 2: Zaimportuj niezbędną bibliotekę
Następnie zaimportuj wymagane biblioteki. Na przykład zaimportowaliśmy następujące biblioteki:
importuj pochodnięimportuj plik torchvision.transforms Jak przekształca
z obrazu importu PIL
Tutaj:
-
- „ importuj pochodnię ” importuje bibliotekę PyTorch.
- „ import torchvision.transforms jako transformacje ” importuje moduł transformacji z Torchvision, który służy do wstępnego przetwarzania danych obrazu przed wprowadzeniem ich do sieci neuronowej.
- „ z obrazu importu PIL ” służy do otwierania i zapisywania plików obrazów w różnych formatach:
Krok 3: Przeczytaj obraz wejściowy
Następnie odczytaj obraz wejściowy z komputera. Tutaj czytamy „ kwiaty_img.jpg ” i zapisanie go w „ obraz_wejściowy ' zmienny:
input_img = Obraz.otwarty ( „kwiaty_img.jpg” )
Krok 4: Zdefiniuj transformację
Następnie zdefiniuj transformację, aby dostosować jasność, kontrast, nasycenie i odcień powyższego obrazu wejściowego. Tutaj zdefiniowaliśmy następujące wartości tych czynników:
transform = transforms.ColorJitter ( jasność = 1,5 , kontrast = 1.2 , nasycenie = 2 , odcień = 0,3 )
Krok 5: Zastosuj transformację na obrazie
Teraz zastosuj powyższą transformację na żądanym obrazie wejściowym, aby dostosować jego pożądane współczynniki:
nowy_img = przekształć ( obraz_wejściowy )
Krok 6: Wyświetl skorygowany obraz
Na koniec przejrzyj dostosowany obraz, wyświetlając go:
nowy_img
Powyższe dane wyjściowe pokazują, że jasność, kontrast, nasycenie i odcień obrazu wejściowego zostały pomyślnie dostosowane przy użyciu określonych współczynników.
Porównanie
Porównanie obrazu oryginalnego i obrazu skorygowanego można zobaczyć poniżej:
|
Oryginalny obraz |
Dostosowany obraz |
Notatka : tutaj możesz uzyskać dostęp do naszego Notatnika Google Colab połączyć .
Co więcej, możesz także zapoznać się z dostępnymi artykułami na temat dostosowywania jasności, kontrastu, nasycenia i odcienia obrazu:
Skutecznie wyjaśniliśmy metodę losowego dostosowywania jasności, kontrastu, nasycenia i odcienia obrazu w PyTorch.
Wniosek
Aby losowo dostosować jasność, kontrast, nasycenie i odcień obrazu w PyTorch, najpierw prześlij żądany obraz do Google Colab. Następnie zaimportuj wymagane biblioteki i przeczytaj obraz wejściowy. Następnie użyj przycisku „ Drżenie koloru() ” metoda polegająca na zastosowaniu losowych transformacji jasności, nasycenia, kontrastu i odcienia obrazu. Na koniec przejrzyj dostosowany obraz, wyświetlając go. W tym blogu zilustrowano metodę dostosowywania jasności, kontrastu, nasycenia i odcienia obrazu w PyTorch.