Яркость, контрастность, насыщенность и оттенок — важные факторы изображения, которые могут повлиять на его внешний вид. PyTorch предоставляет « ЦветДжиттер() » метод случайной настройки яркости, контрастности, насыщенности и оттенка конкретного изображения. Пользователи могут указать диапазон значений для каждого параметра в виде кортежа или одного значения. Этот метод возвращает вновь скорректированное изображение со случайно измененными желаемыми факторами из указанного диапазона.
В этом блоге будет показан метод настройки яркости, контрастности, насыщенности и оттенка изображения в PyTorch.
Как случайным образом настроить яркость, контрастность, насыщенность и оттенок изображения в PyTorch?
Чтобы случайным образом настроить яркость, контрастность, насыщенность и оттенок изображения в PyTorch, выполните следующие действия:
Шаг 1. Загрузите изображение в Google Colab.
Сначала откройте Google Colab и щелкните выделенные ниже значки. Затем выберите конкретное изображение с компьютера и загрузите его:
Впоследствии изображение будет загружено в Google Colab:
Здесь мы загрузили следующее изображение и случайным образом отрегулировали его яркость, контрастность, насыщенность и оттенок:
Шаг 2: Импортируйте необходимую библиотеку
Затем импортируйте необходимые библиотеки. Например, мы импортировали следующие библиотеки:
импортный фонарьимпортировать torchvision.transforms как трансформирует
из изображения импорта PIL
Здесь:
-
- « импортный фонарь » импортирует библиотеку PyTorch.
- « импортировать torchvision.transforms как преобразования » импортирует модуль преобразований из torchvision, который используется для предварительной обработки данных изображения перед подачей их в нейронную сеть.
- « из изображения импорта PIL » используется для открытия и сохранения файлов изображений различных форматов:
Шаг 3: Прочтите входное изображение
После этого прочитайте входное изображение с компьютера. Здесь мы читаем « цветы_img.jpg » и сохраняя его в папке « input_img ' переменная:
input_img = Изображение.open ( 'flowers_img.jpg' )
Шаг 4. Определите преобразование
Затем определите преобразование, чтобы настроить яркость, контрастность, насыщенность и оттенок указанного выше входного изображения. Здесь мы определили следующие значения для этих факторов:
преобразование = Transforms.ColorJitter ( яркость '=' 1,5 , контраст '=' 1.2 , насыщенность '=' 2 , оттенок '=' 0,3 )
Шаг 5. Примените преобразование к изображению
Теперь примените приведенное выше преобразование к желаемому входному изображению, чтобы настроить его желаемые коэффициенты:
new_img = трансформировать ( input_img )
Шаг 6: Отобразите скорректированное изображение
Наконец, просмотрите скорректированное изображение, отобразив его:
новый_img
Приведенный выше вывод показывает, что яркость, контрастность, насыщенность и оттенок входного изображения были успешно отрегулированы с учетом указанных коэффициентов.
Сравнение
Сравнение исходного изображения и скорректированного изображения можно увидеть ниже:
|
Исходное изображение |
Скорректированное изображение |
Примечание : Вы можете получить доступ к нашему блокноту Google Colab по этому адресу. связь .
Кроме того, вы также можете ознакомиться с предоставленными статьями о настройке яркости, контрастности, насыщенности и оттенка изображения:
Мы подробно объяснили метод случайной настройки яркости, контрастности, насыщенности и оттенка изображения в PyTorch.
Заключение
Чтобы случайным образом настроить яркость, контрастность, насыщенность и оттенок изображения в PyTorch, сначала загрузите нужное изображение в Google Colab. Затем импортируйте необходимые библиотеки и прочитайте входное изображение. После этого используйте « ЦветДжиттер() » метод применения случайных преобразований к яркости, насыщенности, контрастности и оттенку изображения. Наконец, просмотрите скорректированное изображение, отобразив его. В этом блоге продемонстрирован метод настройки яркости, контрастности, насыщенности и оттенка изображения в PyTorch.