深度学习基础与实践 教案7.4任务实施（操作参考）.docx

PAGE

PAGE1

7.4任务实施：图像数据处理

7.4.1任务书

图像数据处理，主是包含以下内容：对图像进行翻转操作；对图像数据进行归一化操作；对图像数据进行标准化操作；对图像数据进行色彩调整；图像的编码和解码操作；给图像添加标注框。

7.4.2任务分组

表7-10学生任务分配表

班级

组号

指导老师

组长

学号

成员数量

组长任务

组员姓名

学号

任务分工

7.4.3获取信息

引导问题1：查阅资料，了解图像数据处理的基本知识和具体应用场景，对于书本以外的内容进行记录补充，开阔自身眼界。

图像数据处理是指对数字图像进行分析、处理和提取信息的过程。其基本知识包括以下内容：

1.数字图像的表示方法：常见的有灰度图像和彩色图像两种，灰度图像是每个像素只有一个数值，而彩色图像则是每个像素有多个数值表示不同颜色通道。

2.图像预处理：包括去噪、平滑、锐化、边缘检测等操作，目的是消除噪声和增强图像的特征。

3.特征提取：通过计算图像的各种特征，如形状、纹理、颜色等，来描述图像的信息。

4.分类和识别：利用机器学习和深度学习等技术，对图像进行分类和识别，例如人脸识别、车牌识别、医学影像诊断等。

具体应用场景包括但不限于以下几个方面：

1.医学影像诊断：利用图像处理技术，对医学影像进行分析和诊断，例如癌症检测、肺结节检测等。

2.视频监控与安防：利用计算机视觉技术，对视频图像进行分析和处理，实现智能监控和安全防护。

3.自动驾驶：利用图像处理技术，对道路和交通场景进行分析和识别，实现自动驾驶功能。

4.游戏开发：利用图像处理技术，对游戏中的角色、场景和物品进行建模和渲染，提高游戏的画面质量和用户体验。

5.资源管理：利用图像处理技术，对自然资源如水、森林、草原等进行监测和管理，以及对城市环境进行监测和改善。

7.4.4工作实施

引导问题2：创建实验检测路径及文件。

在实验环境的桌面右键点击“创建文件夹(F)”，输入文件夹名称为“test8”。打开：“test8”文件夹，会显示其路径为“/home/techuser/Desktop/test8”。

下载图片并将图像保存在“test8”中，具体下载地址为“/file/2697/001.jpg”、“/file/2697/22.png”、“/file/2697/33.png”。

引导问题3：本次实验需要搭配有OpenCV的实验环境，在实验开始之前，确保自己实验环境正确。

1）若opencv已经安装，操作时可跳过安装步骤。提供本部份内容是为了让用户了解opencv的安装过程。

2）若OpenCV未安装，则需要先下载OpenCV，下载链接为：“/file/2697/opencv_python-6-cp37-cp37m-manylinux2014_x86_64.whl”。

3）进入所下载文件的所在路径，单击“右键”并选择“OpenTerminalHere”，打开终端以便输入代码。

4）激活实验环境，拷贝代码condaactivateCourse，如图7-16所示。

图7-16激活实验环境

5）在实验环境下安装openCV，输入pipinstallopencv_python-6-cp37-cp37m-manylinux2014_x86_64.whl。openCV安装成功的界面如图7-17所示。

图7-17openCV安装成功所示界面

6）该实验使用之前实验所使用的course环境，实验前需要选择course环境。

引导问题4：利用torchvision.transforms实现图像翻转，包括依概率p水平翻转、依概率p垂直翻转、随机旋转并记录出现的问题及解决的方法。查阅相关资料，补充图像翻转的其他工具库。

图像翻转相关函数：

1）依据概率p对PIL图片进行水平翻转，完成代码

importPIL

fromtorchvisionimporttransforms

importmatplotlib.pyplotasplt

importtorch

importnumpy

img=PIL.Image.open(22.png)#也可以使用opencv或者plt读取图片

plt.subplot(121),plt.title(old),plt.imshow(img)

transform=transforms.Compose([

transforms.RandomHorizontalFlip(p=0.5)

])

img=transform(img)

plt.subplot(122),plt.title(new),plt.imshow(img),plt.show()

2）依据概率p对PIL图片进行垂直翻转，完成代码

只用修改

tran