用于深度学习的图像预处理-MATLAB和Simulink-MathWorks España万博1manbetx

深度学习的图像预处理

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

通过应用随机化方法，可以有效地增加训练数据量增加你的数据。增强还使您能够训练网络以对图像数据的畸变保持不变。例如，可以向输入图像添加随机旋转，这样网络就不会因输入图像的旋转而改变。一个augmentedImageDatastore提供了一种方便的方法，可以对二维图像应用有限的增强集来解决分类问题。

对于更高级的预处理操作，要预处理回归问题的图像，或预处理三维体积图像，可以从内置数据存储开始。您还可以使用使改变和结合功能。

使用重缩放和裁剪调整图像大小

您可以将图像数据存储为数字数组ImageDatastore对象或表。一个ImageDatastore使您能够从太大而无法放入内存的图像集合批量导入数据。您可以使用增强的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。您可以使用调整大小的3-D数组仅用于预测和分类。

有两种方法可以调整图像数据的大小以匹配网络的输入大小。

缩放是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，那么缩放会改变像素的空间范围和宽高比。
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一堆灰度图像的三维阵列 4-D阵列表示一堆图像	`调整大小`	我= imresize(我outputSize); `outputSize`指定重新缩放图像的尺寸。
重新调节	4-D阵列表示一堆图像 `ImageDatastore` 桌子	`augmentedImageDatastore`	auimds=增强图像数据存储（outputSize，I）； `outputSize`指定重新缩放图像的尺寸。
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）	我= imcrop(我、矩形); `直肠`指定2d裁剪窗口的大小和位置。
	表示一堆灰度图像的三维阵列 4-D阵列代表一堆彩色或多光谱图像	`imcrop3`（图像处理工具箱）	我= imcrop3(我、长方体); `长方体`指定3d裁剪窗口的大小和位置。
	4-D阵列表示一堆图像 `ImageDatastore` 桌子	`augmentedImageDatastore`	auimds=增强图像数据存储（outputSize，I，“OutputSizeMode”, m); 指定`米`作为`“centercrop”`从输入图像的中心裁剪。指定`米`作为`“randcrop”`从输入图像中的随机位置裁剪。

增强图像训练与随机几何变换

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

图中显示了如何列车网络使用扩充的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，每个图像的随机增强版本将在训练的每个阶段使用。有关工作流的示例，请参见具有增强图像的列车网络．

指定训练图像。
配置图像变换选项，例如旋转角度的范围以及是否随机应用反射，方法是创建imageDataAugmenter．

提示

要预览应用于示例图像的变换，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．输出图像的大小必须与图像的大小兼容imageInputLayer的网络。
训练网络，指定增强图像数据存储作为列车网络。对于每个训练迭代，增强图像数据存储将随机转换组合应用于小批量训练数据中的图像。
当您使用增强图像数据存储作为训练图像源时，数据存储会随机扰动每个历元的训练数据，以便每个历元使用稍微不同的数据集。每个历元的实际训练图像数不会改变。转换后的图像不会存储在内存中。

使用内置数据存储执行额外的图像处理操作

某些数据存储在读取一批数据时执行特定且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深度学习工具箱的深度学习应用程序的培训、验证和测试数据集的来源™. 所有这些数据存储都以支持的格式返回数据万博1manbetx列车网络．

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，以训练深层神经网络。有关示例，请参阅基于预训练网络的迁移学习．
`pixelLabelImageDatastore`(计算机视觉工具箱)	对图像应用相同的仿射几何变换和相应的地面真值标签来训练语义分割网络(需要Computer Vision Toolbox™)。例如，请参见基于深度学习的语义分割．
`随机抽取数据存储`（图像处理工具箱）	从图像或像素标签图像中提取多对随机面片（需要图像处理工具箱™). 您可以选择对面片对应用相同的随机仿射几何变换。有关示例，请参阅基于深度学习的单图像超分辨率．
`去噪图像数据存储`（图像处理工具箱）	应用随机生成的高斯噪声来训练去噪网络(需要图像处理工具箱)。

使用组合和变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，可以使用使改变和结合功能。有关更多信息，请参见用于深度学习的数据存储．

使用图像数据转换数据存储

的使改变函数创建一种经过修改的数据存储形式，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读取的数据。

自定义转换函数必须接受阅读底层数据存储的函数。用于ImageDatastore，格式取决于ReadSize财产。

什么时候ReadSize为1时，转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-借-n，truecolor图像具有维度米-借-n-by-3和具有c渠道有尺寸米-借-n-借-c．
什么时候ReadSize大于1时，转换函数必须接受图像数据的单元格数组。每个元素对应批处理中的一个图像。