"笨方法"学习CNN图像识别（一）—— 图片

-- 全文阅读5分钟 --

在本文中，你将学习到以下内容：

---

• 通过数据增强增加样本量
• 调整图片大小便于网络训练

---

前言

图像识别的准备工作就是要对我们拿到手的样本图片进行预处理，具体就是数据增强和调整图片大小，这些准备工作都是为训练网络做准备。图片预处理一定要合理有效，符合机器学习的要求。

数据增强（data augmentation）

当我们拿到一套图片数据准备进行机器学习的时候，样本量往往不够多，因此需要对现有的图片进行数据增强。一方面是为了增加样本量，另一方面能够提高模型的泛化能力。
假设我们有一组商标图片，如下：

商标图片

当我们进行100类的机器学习时，显然这一类的样本量不够多，在这里我们通过keras库进行数据增强。以商标图片中的第一张图片为例：

from keras.preprocessing.image import ImageDataGenerator, img_to_array, load_img

pic_path = r'./3ac79f3df8dcd100755525327e8b4710b8122fdc.jpg'
augmentation_path = r'./data_augmentation'

首先导入keras库，建立图片路径和数据增强保存路径，接下来定义ImageDataGenerator，告诉他通过哪些操作产生新的图片。

data_gen = ImageDataGenerator(
            rotation_range=30,
            width_shift_range=0.1,
            height_shift_range=0.1,
            zoom_range=0.2,
            fill_mode='nearest')

在这里根据当前的图片需求，选择了旋转、平移、缩放、边缘填充的操作，其他操作详见。有些操作的设置要符合实际情况，比如旋转操作，不能把图片完全倒立了，这样的数据增强反而不利机器学习。

img = load_img(pic_path)
x = img_to_array(img)
x = x.reshape((1,) + x.shape)
n = 1
for batch in data_gen.flow(x, batch_size=1, save_to_dir=augmentation_path, save_prefix='train', save_format='jpeg'):
    n += 1
    if n > 6:    # 6表示生成6张新的图片
        break

加载图片的地址，转变成array格式给ImageDataGenerator，save_prefix表示新图片的名字前缀，save_format表示新图片保存的格式。需要注意的是，在这里根据我们定义的操作，从这些操作中随机选择几种生成6张图片。
最终在data_augmentation文件夹中生成6张新的商标图片：

新的商标图片

在实际操作中，应该多去尝试数据增强的各种操作。好的样本扩充能够增加模型的泛化能力，提高准确率。数据增强完整代码如下：

from keras.preprocessing.image import ImageDataGenerator, img_to_array, load_img

pic_path = r'./3ac79f3df8dcd100755525327e8b4710b8122fdc.jpg'
augmentation_path = r'./data_augmentation'

data_gen = ImageDataGenerator(
            rotation_range=30,
            width_shift_range=0.1,
            height_shift_range=0.1,
            zoom_range=0.2,
            fill_mode='nearest')

img = load_img(pic_path)
x = img_to_array(img)
x = x.reshape((1,) + x.shape)
n = 1
for batch in data_gen.flow(x, batch_size=1, save_to_dir=augmentation_path, save_prefix='train', save_format='jpeg'):
    n += 1
    if n > 6:
        break

图片大小调整（resize）

统一调整图片的大小，便于后面进行机器学习。我们以调整data_augmentation文件夹生成的新图片为例：

from PIL import Image
import os

img_path = r'./data_augmentation'
resize_path = r'./resize_image'

for i in os.listdir(img_path):
    im = Image.open(os.path.join(img_path,i))
    out = im.resize((224, 224))
    if not os.path.exists(resize_path):
        os.makedirs(resize_path)
    out.save(os.path.join(resize_path, i))

使用PIL库改变图片大小，使用os库读取文件路径，将resize后的图片放到resize_image文件夹中。resize后的大小为224*224（这个大小是为了后面ResNet使用）。resize后的图片效果如下：

resize后的图片

当你完成这一步的时候，图像识别的准备工作就完成一半了，剩下的就是将这些图片制成tfrecord格式，方便训练网络读取。

可能感兴趣

---

"笨方法"学习CNN图像识别（一）—— 图片预处理
"笨方法"学习CNN图像识别（二）—— tfrecord格式高效读取数据
"笨方法"学习CNN图像识别（三）—— ResNet网络训练及预测
使用Python+Tensorflow的CNN技术快速识别验证码

---