Hoe kan ik de helderheid, het contrast, de verzadiging en de tint van een afbeelding willekeurig aanpassen in PyTorch?

Helderheid, contrast, verzadiging en tint zijn de belangrijke factoren in een afbeelding die het uiterlijk ervan kunnen beïnvloeden. PyTorch biedt de “ KleurJitter() ”-methode om de helderheid, het contrast, de verzadiging en de tint van een specifieke afbeelding willekeurig aan te passen. Gebruikers kunnen het waardenbereik voor elke parameter opgeven als een tupel of als een enkele waarde. Deze methode retourneert een nieuw aangepaste afbeelding met willekeurig gewijzigde gewenste factoren uit het opgegeven bereik.

Deze blog illustreert de methode om de helderheid, het contrast, de verzadiging en de tint van een afbeelding in PyTorch aan te passen.

Hoe kan ik de helderheid, het contrast, de verzadiging en de tint van een afbeelding willekeurig aanpassen in PyTorch?

Volg de onderstaande stappen om de helderheid, het contrast, de verzadiging en de tint van een afbeelding in PyTorch willekeurig aan te passen:

• • Upload een gewenste afbeelding naar Google Colab
  • Importeer de benodigde bibliotheken
  • Invoerafbeelding lezen
  • Definieer een transformatie
  • Pas de transformatie toe op de afbeelding
  • Aangepaste afbeelding weergeven

Stap 1: Upload een afbeelding naar Google Colab

Open eerst Google Colab en klik op de hieronder gemarkeerde pictogrammen. Kies vervolgens de specifieke afbeelding op de computer en upload deze:

Vervolgens wordt de afbeelding geüpload naar Google Colab:

Hier hebben we de volgende afbeelding geüpload en zullen we de helderheid, het contrast, de verzadiging en de tint willekeurig aanpassen:

Stap 2: Importeer de benodigde bibliotheek

Importeer vervolgens de vereiste bibliotheken. We hebben bijvoorbeeld de volgende bibliotheken geïmporteerd:

Hier:

• • “ fakkel importeren ” importeert de PyTorch-bibliotheek.
  • “ importeer torchvision.transforms als transformaties ” importeert de transformatiemodule van torchvision die wordt gebruikt om beeldgegevens voor te verwerken voordat deze in een neuraal netwerk worden ingevoerd.
  • “ van PIL-importafbeelding ” wordt gebruikt om verschillende afbeeldingsbestandsformaten te openen en op te slaan:

Stap 3: Lees de invoerafbeelding

Lees daarna het invoerbeeld van de computer. Hier lezen we de “ bloemen_img.jpg ' en sla het op in de ' invoer_img ”variabele:

Stap 4: Definieer een transformatie

Definieer vervolgens een transformatie om de helderheid, het contrast, de verzadiging en de tint van de bovenstaande invoerafbeelding aan te passen. Hier hebben we de volgende waarden voor deze factoren gedefinieerd:

Stap 5: Pas de transformatie toe op de afbeelding

Pas nu de bovenstaande transformatie toe op de gewenste invoerafbeelding om de gewenste factoren aan te passen:

Stap 6: Geef het aangepaste beeld weer

Bekijk ten slotte de aangepaste afbeelding door deze weer te geven:

Uit de bovenstaande uitvoer blijkt dat de helderheid, het contrast, de verzadiging en de tint van het invoerbeeld met succes zijn aangepast met de opgegeven factoren.

Vergelijking

De vergelijking tussen de originele afbeelding en de aangepaste afbeelding ziet u hieronder:

Opmerking : Hier heeft u toegang tot ons Google Colab Notebook koppeling .

Bovendien kunt u ook de meegeleverde artikelen bekijken over het aanpassen van de helderheid, het contrast, de verzadiging en de tint van een afbeelding:

We hebben op efficiënte wijze de methode uitgelegd voor het willekeurig aanpassen van de helderheid, het contrast, de verzadiging en de tint van de afbeelding in PyTorch.

Conclusie

Om de helderheid, het contrast, de verzadiging en de tint van de afbeelding in PyTorch willekeurig aan te passen, uploadt u eerst de gewenste afbeelding naar Google Colab. Importeer vervolgens de vereiste bibliotheken en lees de invoerafbeelding. Gebruik daarna de “ KleurJitter() '-methode om willekeurige transformaties toe te passen op de helderheid, verzadiging, contrast en tint van een afbeelding. Bekijk ten slotte de aangepaste afbeelding door deze weer te geven. Deze blog heeft de methode geïllustreerd om de helderheid, het contrast, de verzadiging en de tint van de afbeelding in PyTorch aan te passen.