深度学习预处理图像- MATLAB & Simulink - MathWorks España金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

用于深度学习的图像预处理

为了训练网络并对新数据进行预测，您的图像必须匹配网络的输入大小。如果您需要调整图像的大小以匹配网络，那么您可以将数据重新缩放或裁剪到所需的大小。

通过应用随机化，可以有效地增加训练数据量增加根据你的数据。增强还使您能够训练网络，使其不受图像数据扭曲的影响。例如，您可以向输入图像添加随机旋转，以便网络对输入图像中旋转的存在是不变的。一个augmentedImageDatastore提供了一种方便的方法，将有限的增强集应用于2-D图像分类问题。

对于更高级的预处理操作，对回归问题的图像进行预处理，或对3-D体积图像进行预处理，可以从内置数据存储开始。方法还可以根据自己的管道对图像进行预处理变换而且结合功能。

使用缩放和裁剪调整图像大小

可以将图像数据存储为数字数组或ImageDatastore对象或表。一个ImageDatastore使您能够从过大而无法装入内存的图像集合批量导入数据。您可以使用增强图像数据存储或调整大小的4-D数组进行训练、预测和分类。您只能使用调整大小的3-D数组进行预测和分类。

有两种方法来调整图像数据的大小以匹配网络的输入大小。

缩放将图像的高度和宽度乘以一个缩放因子。如果缩放因子在垂直和水平方向上不相同，则重新缩放将更改像素的空间范围和纵横比。
裁剪提取图像的一个子区域，并保留每个像素的空间范围。您可以从图像的中心或随机位置裁剪图像。

调整选项	数据格式	调整功能	示例代码
重新调节	表示单色或多光谱图像的三维阵列表示灰度图像堆栈的三维数组表示图像堆栈的4-D数组	`imresize`	im = imresize(I,outputSize); `outputSize`指定重新缩放的图像的尺寸。
重新调节	表示图像堆栈的4-D数组 `ImageDatastore` 表格	`augmentedImageDatastore`	auimds = augmentedImageDatastore(outputSize,I); `outputSize`指定重新缩放的图像的尺寸。
裁剪	表示单色或多光谱图像的三维阵列	`imcrop`(图像处理工具箱)	im = imcrop(I，矩形); `矩形`指定2-D裁剪窗口的大小和位置。
	表示灰度图像堆栈的三维数组表示彩色或多光谱图像堆栈的4-D阵列	`imcrop3`(图像处理工具箱)	im = imcrop3(I，长方体); `长方体`指定3d裁剪窗口的大小和位置。
	表示图像堆栈的4-D数组 `ImageDatastore` 表格	`augmentedImageDatastore`	auimds = augmentedImageDatastore(输出大小，I，“OutputSizeMode”, m); 指定`米`作为`“centercrop”`从输入图像的中心进行裁剪。指定`米`作为`“randcrop”`从输入图像中的随机位置进行裁剪。

用随机几何变换增强训练图像

对于图像分类问题，可以使用augmentedImageDatastore用调整大小、旋转、反射、剪切和平移变换的随机组合来增强图像。

该图表显示了如何trainNetwork使用增强图像数据存储来转换每个纪元的训练数据。当您使用数据增强时，每个训练阶段都会使用每个图像的一个随机增强版本。有关工作流的示例，请参见列车网络与增强图像．

指定训练图像。
配置图像转换选项，例如旋转角度的范围和是否随机应用反射imageDataAugmenter．

提示

若要预览应用于示例图像的转换，请使用增加函数。
创建一个augmentedImageDatastore．指定训练图像、输出图像的大小和imageDataAugmenter．的大小必须与输出图像的大小相兼容imageInputLayer网络的。
训练网络，指定增强图像数据存储作为数据源trainNetwork．对于训练的每次迭代，增强图像数据存储对小批训练数据中的图像应用随机组合的转换。
当您使用增强图像数据存储作为训练图像的来源时，该数据存储随机扰动每个历元的训练数据，因此每个历元使用略微不同的数据集。每个epoch的训练图像的实际数量是不变的。转换后的图像不存储在内存中。

使用内置数据存储执行其他图像处理操作

一些数据存储在读取一批数据时执行特定的和有限的图像预处理操作。表中列出了这些特定于应用程序的数据存储。您可以将这些数据存储用作使用deep learning Toolbox™的深度学习应用程序的训练、验证和测试数据集的来源。所有这些数据存储以支持的格式返回数据金宝apptrainNetwork．

数据存储	描述
`augmentedImageDatastore`	应用随机仿射几何变换，包括调整大小、旋转、反射、剪切和平移，用于训练深度神经网络。有关示例，请参见使用预训练网络的迁移学习．
`pixelLabelImageDatastore`(计算机视觉工具箱)	将相同的仿射几何变换应用于图像和相应的地面真理标签，用于训练语义分割网络(需要计算机视觉工具箱™)。有关示例，请参见基于深度学习的语义分割．
`randomPatchExtractionDatastore`(图像处理工具箱)	从图像或像素标签图像中提取多对随机补丁(需要图像处理工具箱™)。您还可以选择对补丁对应用相同的随机仿射几何变换。有关示例，请参见使用深度学习提高图像分辨率．
`denoisingImageDatastore`(图像处理工具箱)	应用随机生成的高斯噪声训练去噪网络(需要图像处理工具箱)。

使用组合和转换应用自定义图像处理管道

要执行比特定于应用程序的数据存储提供的更通用和更复杂的图像预处理操作，可以使用变换而且结合功能。有关更多信息，请参见用于深度学习的数据存储．

用图像数据转换数据存储

的变换函数创建数据存储的更改形式，称为底层数据存储，通过根据您定义的转换函数转换底层数据存储所读取的数据。

类返回的格式的数据读底层数据存储的函数。类中的图像数据ImageDatastore，格式取决于ReadSize财产。

当ReadSize为1时，变换函数必须接受整数数组。控件中的图像类型与数组的大小一致ImageDatastore．例如，灰度图像有维度米——- - - - - -n，真彩色图像有尺寸米——- - - - - -n-by-3，多光谱图像与c通道有维度米——- - - - - -n——- - - - - -c．
当ReadSize大于1时，变换函数必须接受一个单元格数组的图像数据。每个元素对应于批处理中的一个图像。