Svjetlina, kontrast, zasićenost i nijansa važni su čimbenici u slici koji mogu utjecati na njezin izgled. PyTorch pruža ' ColorJitter() ” za nasumično podešavanje svjetline, kontrasta, zasićenosti i nijanse određene slike. Korisnici mogu odrediti raspon vrijednosti za svaki parametar kao torku ili jednu vrijednost. Ova metoda vraća novo prilagođenu sliku s nasumično promijenjenim željenim faktorima iz navedenog raspona.
Ovaj će blog ilustrirati metodu podešavanja svjetline, kontrasta, zasićenosti i nijanse slike u PyTorchu.
Kako nasumično prilagoditi svjetlinu, kontrast, zasićenost i nijansu slike u PyTorchu?
Za nasumično podešavanje svjetline, kontrasta, zasićenosti i nijanse slike u PyTorchu, slijedite dolje navedene korake:
Korak 1: Prenesite sliku na Google Colab
Prvo otvorite Google Colab i kliknite dolje označene ikone. Zatim odaberite određenu sliku s računala i prenesite je:
Nakon toga, slika će biti prenesena na Google Colab:
Ovdje smo prenijeli sljedeću sliku i nasumično ćemo prilagoditi njezinu svjetlinu, kontrast, zasićenost i nijansu:
Korak 2: Uvezite potrebnu biblioteku
Zatim uvezite potrebne biblioteke. Na primjer, uvezli smo sljedeće biblioteke:
uvozna bakljaimport torchvision.preobražava kao transformira
iz PIL import slike
Ovdje:
-
- “ uvozna baklja ” uvozi biblioteku PyTorch.
- “ import torchvision.transformira kao transformira ” uvozi transformacijski modul iz torchvisiona koji se koristi za prethodnu obradu slikovnih podataka prije nego što se unesu u neuronsku mrežu.
- “ iz PIL import slike ” koristi se za otvaranje i spremanje različitih formata slikovnih datoteka:
Korak 3: Pročitajte ulaznu sliku
Nakon toga pročitajte ulaznu sliku s računala. Ovdje čitamo ' cvijeće_img.jpg ' i pohranjujući ga u ' input_img ” varijabla:
input_img = Slika.otvori ( 'cvijeće_img.jpg' )
Korak 4: Definirajte transformaciju
Zatim definirajte transformaciju kako biste prilagodili svjetlinu, kontrast, zasićenost i nijansu gornje ulazne slike. Ovdje smo definirali sljedeće vrijednosti za ove faktore:
transform = transformira.ColorJitter ( svjetlina = 1.5 , kontrast = 1.2 , zasićenost = 2 , nijansa = 0.3 )
Korak 5: Primijenite transformaciju na sliku
Sada primijenite gornju transformaciju na željenu ulaznu sliku da prilagodite njezine željene faktore:
new_img = transformacija ( input_img )
Korak 6: Prikažite prilagođenu sliku
Na kraju, pogledajte prilagođenu sliku tako da je prikažete:
nova_slika
Gornji rezultat pokazuje da su svjetlina, kontrast, zasićenost i nijansa ulazne slike uspješno podešeni s navedenim faktorima.
Usporedba
Usporedba izvorne slike i prilagođene slike može se vidjeti u nastavku:
Izvorna slika
|
Prilagođena slika
|
Bilješka : Našoj Google Colab bilježnici možete pristupiti ovdje veza .
Štoviše, također možete provjeriti ponuđene članke o podešavanju svjetline, kontrasta, zasićenosti i nijanse slike:
Učinkovito smo objasnili metodu nasumičnog podešavanja svjetline, kontrasta, zasićenosti i nijanse slike u PyTorchu.
Zaključak
Za nasumično podešavanje svjetline, kontrasta, zasićenosti i nijanse slike u PyTorchu, prvo prenesite željenu sliku na Google Colab. Zatim uvezite potrebne biblioteke i pročitajte ulaznu sliku. Nakon toga upotrijebite ' ColorJitter() ” za primjenu nasumičnih transformacija na svjetlinu, zasićenost, kontrast i nijansu slike. Na kraju, pogledajte prilagođenu sliku tako da je prikažete. Ovaj blog je ilustrirao metodu podešavanja svjetline, kontrasta, zasićenosti i nijanse slike u PyTorchu.