深度学习基础与实践 课件 7.3.4 图像归一化和添加标注框.pptx

图像归一化和添加标注框

图像标准化02图像归一化处理使用深度学习在进行图像分类或者对象检测时候，首先需要对图像做数据预处理，最常见的对图像预处理方法有两种，图像归一化处理，另外一种方法叫做标准化处理。房间数量(0-5)房间尺寸(0-1000平)缺点：代价函数等高线很窄，可能沿着垂直长轴走“之”字型路线，从而导致迭代很多次才能收敛。

图像标准化02?示例：输入数据为[1,2,3,4,5,6,7]归一化后结果为[0,1/6,1/3,1/2,2/3,5/6,1]

图像标准化02?图像归一化处理房间数量(0-5)房间尺寸(0-1000平)

图像标准化02??标准化结果为[-1，1]

图像标准化02图像标准化处理transforms.Normalize(mean,std,inplace=False)mean:各通道的均值；Std：各通道的标准差；Inplace：是否原地操作。原图标准化后图注意：在执行标准化的代码之前，往往需要执行transforms.ToTensor()函数，一方面转换成张量，另一方面可以实现归一化

添加标注框03图像添加标注框--OpenCV用OpenCV标注boundingbox主要用到下面两个工具——cv2.rectangle()和cv2.putText()。cv2.rectangle(img,(x,y),(x+w,y+h),(B,G,R),Thickness)输入参数分别为图像、左上角坐标、右下角坐标、RGB颜色数组、粗细；cv2.putText(img,text,(x,y),Font,Size,(B,G,R),Thickness)输入参数为图像、文本、位置、字体、大小、颜色数组、粗细。原图标注框后的图

添加标注框03采用patches.Rectangle()绘制长方形patches.Rectangle((x,y),width,height,linewidth=1,edgecolor=r’,facecolor=none’)(x,y)：左上角坐标；width：标注框区域的宽；height：标注框区域的高；linewidth：标注框区域的线宽；edgecolor：标注框的线的颜色；facecolor：标注框的区域的颜色。图像添加标注框--MatplotLib

添加标注框03importmatplotlib.pyplotaspltimportmatplotlib.patchesaspatchesfromPILimportImageimportnumpyasnpim=np.array(Image.open(xrk.jpg),dtype=np.uint8)#载入图像并转换成array格式fig,ax=plt.subplots(1)ax.imshow(im)#展示原图rect=patches.Rectangle((200,130),370,300,linewidth=1,edgecolor=r,facecolor=none)#绘制ax.add_patch(rect)#绘制结果并入原图plt.savefig(sunflower.jpg)plt.show()导入需要的包图像添加标注框--MatplotLib绘框并保存原图标注框后的图

添加标注框03importmatplotlib.pyplotaspltimportcv2fname=xrk.jpgimg=cv2.imread(fname)plt.subplot(121)plt.title(xrk1)plt.imshow(img[:,:,::-1])cv2.rectangle(img,(200,130),(550,450),(0,255,0),4)font=cv2.FONT_HERSHEY_SIMPLEX#使用默认字体text=sunflowercv2.putText(img,text,(130,100),font,1.5,(0,0,255),1)cv2.imwrite(xrk_new.jpg,img)plt.subplot(122)plt.title(xrk2)plt.imshow(img[:,:,::-1])plt.show()读取原图绘制框和文本读取打标框之后的图图像添加标注框--OpenCV