Jas, kontrast, sytost a odstín jsou důležité faktory obrazu, které mohou ovlivnit jeho vzhled. PyTorch poskytuje „ ColorJitter() ” metoda pro náhodné nastavení jasu, kontrastu, sytosti a odstínu konkrétního obrázku. Uživatelé mohou určit rozsah hodnot pro každý parametr jako n-tici nebo jednu hodnotu. Tato metoda vrací nově upravený snímek s náhodně změněnými požadovanými faktory ze zadaného rozsahu.
Tento blog bude ilustrovat způsob úpravy jasu, kontrastu, sytosti a odstínu obrázku v PyTorch.
Jak náhodně upravit jas, kontrast, sytost a odstín obrázku v PyTorch?
Chcete-li náhodně upravit jas, kontrast, sytost a odstín obrázku v PyTorch, postupujte podle níže uvedených kroků:
Krok 1: Nahrajte obrázek do služby Google Colab
Nejprve otevřete Google Colab a klikněte na níže zvýrazněné ikony. Poté vyberte konkrétní obrázek z počítače a nahrajte jej:
Následně bude obrázek nahrán do služby Google Colab:
Zde jsme nahráli následující obrázek a náhodně upravíme jeho jas, kontrast, sytost a odstín:
Krok 2: Importujte nezbytnou knihovnu
Dále importujte požadované knihovny. Importovali jsme například následující knihovny:
dovozní pochodeňimportovat torchvision.transformuje tak jako transformuje
z importu PIL Obrázek
Tady:
-
- “ dovozní pochodeň ” importuje knihovnu PyTorch.
- “ import torchvision.transforms as transforms ” importuje transformační modul z torchvision, který se používá k předběžnému zpracování obrazových dat před jejich dodáním do neuronové sítě.
- “ z importu PIL Obrázek “ se používá k otevírání a ukládání různých formátů souborů obrázků:
Krok 3: Přečtěte si vstupní obrázek
Poté načtěte vstupní obrázek z počítače. Zde čteme „ květiny_img.jpg “ a jeho uložením do „ input_img 'proměnná:
input_img = Image.open ( 'flowers_img.jpg' )
Krok 4: Definujte transformaci
Poté definujte transformaci pro úpravu jasu, kontrastu, sytosti a odstínu výše uvedeného vstupního obrázku. Zde jsme pro tyto faktory definovali následující hodnoty:
transformovat = transformuje.ColorJitter ( jas = 1.5 , kontrast = 1.2 , nasycení = 2 , odstín = 0,3 )
Krok 5: Aplikujte transformaci na obrázek
Nyní aplikujte výše uvedenou transformaci na požadovaný vstupní obrázek a upravte jeho požadované faktory:
new_img = transformace ( input_img )
Krok 6: Zobrazte upravený obrázek
Nakonec zobrazte upravený obrázek zobrazením:
new_img
Výše uvedený výstup ukazuje, že jas, kontrast, sytost a odstín vstupního obrazu byly úspěšně upraveny pomocí zadaných faktorů.
Srovnání
Porovnání mezi původním obrázkem a upraveným obrázkem lze vidět níže:
Původní obrázek
|
Upravený obrázek
|
Poznámka : Zde můžete přistupovat k našemu Zápisníku Google Colab odkaz .
Kromě toho si můžete také prohlédnout poskytnuté články o úpravě jasu, kontrastu, sytosti a odstínu obrázku:
Účinně jsme vysvětlili metodu náhodného nastavení jasu, kontrastu, sytosti a odstínu obrázku v PyTorch.
Závěr
Chcete-li v PyTorch náhodně upravit jas, kontrast, sytost a odstín obrázku, nejprve požadovaný obrázek nahrajte do služby Google Colab. Poté importujte požadované knihovny a přečtěte si vstupní obrázek. Poté použijte „ ColorJitter() ” metoda pro použití náhodných transformací na jas, sytost, kontrast a odstín obrazu. Nakonec si upravený obrázek prohlédněte jeho zobrazením. Tento blog ilustroval metodu úpravy jasu, kontrastu, sytosti a odstínu obrázku v PyTorch.