mindarmour.natural_robustness.transform.image

本模块包含图像的自然扰动方法。

class mindarmour.natural_robustness.transform.image.Contrast(alpha=1, beta=0, auto_param=False)[源代码]

图像的对比度。

参数：

alpha (Union[float, int]) - 控制图像的对比度。\(out\_image = in\_image \times alpha+beta\)。建议值范围[0.2, 2]。默认值：1。
beta (Union[float, int]) - 补充alpha的增量。默认值：0。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> alpha = 0.1
>>> beta = 1
>>> trans = Contrast(alpha, beta)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.GradientLuminance(color_start=(0, 0, 0), color_end=(255, 255, 255), start_point=(10, 10), scope=0.5, pattern='light', bright_rate=0.3, mode='circle', auto_param=False)[源代码]

渐变调整图片的亮度。

参数：

color_start (union[tuple, list]) - 渐变中心的颜色。默认值：(0, 0, 0)。
color_end (union[tuple, list]) - 渐变边缘的颜色。默认值：(255, 255, 255)。
start_point (union[tuple, list]) - 渐变中心的二维坐标。默认值：(10, 10)。
scope (float) - 渐变的范围。值越大，渐变范围越大。默认值：0.5。
pattern (str) - 深色或浅色，此值必须为 'light' 或 'dark'。默认值： 'light'。
bright_rate (float) - 控制亮度。值越大，梯度范围越大。如果参数 pattern 为 'light'，建议值范围为[0.1, 0.7]，如果参数 pattern 为 'dark'，建议值范围为[0.1, 0.9]。默认值：0.3。
mode (str) - 渐变模式，值必须为 'circle'、'horizontal' 或 'vertical'。默认值：'circle'。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('x.png')
>>> height, width = img.shape[:2]
>>> point = (height // 4, width // 2)
>>> start = (255, 255, 255)
>>> end = (0, 0, 0)
>>> scope = 0.3
>>> pattern='light'
>>> bright_rate = 0.3
>>> trans = GradientLuminance(start, end, point, scope, pattern, bright_rate, mode='circle')
>>> img_new = trans(img)

class mindarmour.natural_robustness.transform.image.GaussianBlur(ksize=2, auto_param=False)[源代码]

使用高斯模糊滤镜模糊图像。

参数：

ksize (int) - 高斯核的大小，必须为非负数。默认值：2。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> ksize = 5
>>> trans = GaussianBlur(ksize)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.MotionBlur(degree=5, angle=45, auto_param=False)[源代码]

运动模糊。

参数：

degree (int) - 模糊程度。必须为正值。建议取值范围[1, 15]。默认值：5。
angle (union[float, int]) - 运动模糊的方向。angle=0表示上下运动模糊。角度为逆时针方向。默认值：45。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> angle = 0
>>> degree = 5
>>> trans = MotionBlur(degree=degree, angle=angle)
>>> new_img = trans(img)

class mindarmour.natural_robustness.transform.image.GradientBlur(point, kernel_num=3, center=True, auto_param=False)[源代码]

渐变模糊。

参数：

point (union[tuple, list]) - 模糊中心点的二维坐标。
kernel_num (int) - 模糊核的数量。建议取值范围[1, 8]。默认值：3。
center (bool) - 指定中心点模糊或指定中心点清晰。默认值：True。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('xx.png')
>>> img = np.array(img)
>>> number = 5
>>> h, w = img.shape[:2]
>>> point = (int(h / 5), int(w / 5))
>>> center = True
>>> trans = GradientBlur(point, number,  center)
>>> new_img = trans(img)

class mindarmour.natural_robustness.transform.image.UniformNoise(factor=0.1, auto_param=False)[源代码]

图像添加均匀噪声。

参数：

factor (float) - 噪声密度，单位像素区域添加噪声的比例。建议取值范围：[0.001, 0.15]。默认值：0.1。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> factor = 0.1
>>> trans = UniformNoise(factor)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.GaussianNoise(factor=0.1, auto_param=False)[源代码]

图像添加高斯噪声。

参数：

factor (float) - 噪声密度，单位像素区域添加噪声的比例。建议取值范围：[0.001, 0.15]。默认值：0.1。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> factor = 0.1
>>> trans = GaussianNoise(factor)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.SaltAndPepperNoise(factor=0, auto_param=False)[源代码]

图像添加椒盐噪声。

参数：

factor (float) - 噪声密度，单位像素区域添加噪声的比例。建议取值范围：[0.001, 0.15]。默认值：0。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> factor = 0.1
>>> trans = SaltAndPepperNoise(factor)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.NaturalNoise(ratio=0.0002, k_x_range=(1, 5), k_y_range=(3, 25), auto_param=False)[源代码]

图像添加自然噪声。

参数：

ratio (float) - 噪声密度，单位像素区域添加噪声的比例。建议取值范围：[0.00001, 0.001]。默认值：0.0002。
k_x_range (union[list, tuple]) - 噪声块长度的取值范围。默认值：(1, 5)。
k_y_range (union[list, tuple]) - 噪声块宽度的取值范围。默认值：(3, 25)。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('xx.png')
>>> img = np.array(img)
>>> ratio = 0.0002
>>> k_x_range = (1, 5)
>>> k_y_range = (3, 25)
>>> trans = NaturalNoise(ratio, k_x_range, k_y_range)
>>> new_img = trans(img)

class mindarmour.natural_robustness.transform.image.Translate(x_bias=0, y_bias=0, auto_param=False)[源代码]

图像平移。

参数：

x_bias (Union[int, float]) - X方向平移， \(x = x + x\_bias \times image\_length\) 。建议取值范围在[-0.1, 0.1]中。默认值：0。
y_bias (Union[int, float]) - Y方向平移， \(y = y + y\_bias \times image\_width\) 。建议取值范围在[-0.1, 0.1]中。默认值：0。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> x_bias = 0.1
>>> y_bias = 0.1
>>> trans = Translate(x_bias, y_bias)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.Scale(factor_x=1, factor_y=1, auto_param=False)[源代码]

图像缩放。

参数：

factor_x (Union[float, int]) - 在X方向缩放， \(x=factor_x \times x\) 。建议取值范围在[0.5, 1]且abs(factor_y - factor_x) < 0.5。默认值：1。
factor_y (Union[float, int]) - 沿Y方向缩放， \(y=factor_y \times y\) 。建议取值范围在[0.5, 1]且abs(factor_y - factor_x) < 0.5。默认值：1。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> factor_x = 0.7
>>> factor_y = 0.6
>>> trans = Scale(factor_x, factor_y)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.Shear(factor=0.2, direction='horizontal', auto_param=False)[源代码]

图像错切，错切后图像和原图的映射关系为： \((new_x, new_y) = (x+factor_x \times y, factor_y \times x+y)\) 。错切后图像将重新缩放到原图大小。

参数：

factor (Union[float, int]) - 沿错切方向上的错切比例。建议值范围[0.05, 0.5]。默认值：0.2。
direction (str) - 形变方向。可选值为 'vertical' 或 'horizontal'。默认值：'horizontal'。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> factor = 0.2
>>> trans = Shear(factor, direction='horizontal')
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.Rotate(angle=20, auto_param=False)[源代码]

围绕图像中心点逆时针旋转图像。

参数：

angle (Union[float, int]) - 逆时针旋转的度数。建议值范围[-60, 60]。默认值：20。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> angle = 20
>>> trans = Rotate(angle)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.Perspective(ori_pos, dst_pos, auto_param=False)[源代码]

透视变换。

参数：

ori_pos (list[list[int]]) - 原始图像中的四个点的坐标。
dst_pos (list[list[int]]) - 对应的 ori_pos 中4个点透视变换后的点坐标。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('1.png')
>>> img = np.array(img)
>>> ori_pos = [[0, 0], [0, 800], [800, 0], [800, 800]]
>>> dst_pos = [[50, 0], [0, 800], [780, 0], [800, 800]]
>>> trans = Perspective(ori_pos, dst_pos)
>>> dst = trans(img)

class mindarmour.natural_robustness.transform.image.Curve(curves=3, depth=10, mode='vertical', auto_param=False)[源代码]

使用Sin函数的曲线变换。

参数：

curves (union[float, int]) - 曲线周期数。建议取值范围[0.1, 5]。默认值：3。
depth (union[float, int]) - sin函数的幅度。建议取值不超过图片长度的1/10。默认值：10。
mode (str) - 形变方向。可选值 'vertical' 或 'horizontal'。默认值：'vertical'。
auto_param (bool) - 自动选择参数。在保留图像的语义的范围内自动选择参数。默认值：False。

样例：

>>> import cv2
>>> img = cv2.imread('x.png')
>>> curves =1
>>> depth = 10
>>> trans = Curve(curves, depth, mode='vertical')
>>> img_new = trans(img)