这篇文章主要讲解了“PyTorch怎么实现椒盐噪声效果”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“PyTorch怎么实现椒盐噪声效果”吧!
1. 将介绍的transforms方法一一地,单独地实现对图片的变换,并且通过plt.savefig将图片保存下来
略
2. 自定义一个增加椒盐噪声的transforms方法,使得其能正确运行
见下面代码
3. 用手机将自己钱包中的100元人民币正面进行拍照,并且放到hello pytorch/lesson/lesson-09/test_data/100文件夹下,通过修改不同的数据增强方法,使得模型在10个epoch之后能正确区分你钱包中的100元
椒盐噪声
peper noise
import torch import numpy as np from PIL import Image from torchvision import datasets, models, transforms np.random.seed(1234) image_path = 'a.jpg' class AddPepperNoise(object): def __init__(self, snr, p): self.snr = snr self.p = p def __call__(self, img): p1 = np.random.uniform(low = 0.0, high = 1.0) if p1 > self.p: return img else: out_img = np.asarray(img).copy() h, w, c = out_img.shape for i in range(h): for j in range(w): for k in range(c): p2 = np.random.uniform(low = 0.0, high = 1.0) if p2 < self.snr: out_img[i][j][k] = out_img[i][j][k] elif p2 < self.snr + (1 - self.snr) / 2: out_img[i][j][k] = 0 else: out_img[i][j][k] = 255 # print(out_img[i][j][k]) print(out_img) tmp = Image.fromarray(out_img.astype('uint8')).convert('RGB') print('tmp:', tmp, np.asarray(tmp)) return tmp def main(): img = Image.open(image_path) now_transforms = transforms.Compose([ transforms.Resize((224, 224)), AddPepperNoise(snr = 0.9, p = 1.0), # transforms.ToTensor(), ]) img_transformed = now_transforms(img) print(img_transformed, np.asarray(img_transformed)) img_transformed.save('a_pepperNoise.jpg') if __name__ == '__main__': main()
感谢各位的阅读,以上就是“PyTorch怎么实现椒盐噪声效果”的内容了,经过本文的学习后,相信大家对PyTorch怎么实现椒盐噪声效果这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!
原创文章,作者:kirin,如若转载,请注明出处:https://blog.ytso.com/225020.html