目的
PythonとOpenCVを利用した画像ファイルの水増し（フリップ＋閾値＋平滑化を組み合わせて8倍）を試してみました。
これから行う機械学習の学習データを増やすためです。
あわせて、画像ファイルのうち2割程度をテストデータとして抜き出します。
実装方法は https://blog.aidemy.net/entry/2017/12/17/214715 を参考にさせて頂きました。
参考
【顔分類その１】PythonとGoogleカスタム検索APIを利用した画像ダウンロード
【顔分類その２】PythonとOpenCVを利用した画像ファイルからの顔の切り出し
【顔分類その３】PythonとOpenCVを利用した画像ファイルの水増し
【顔分類その４】Pythonとkerasを利用した顔分類モデルの生成
【顔分類その５】Pythonとkerasを利用して本田翼か佐倉綾音かを分類
【顔分類その６】Djangoとkerasを利用した本田翼か佐倉綾音かを分類するWebアプリ
環境
- Windows 10 x64 1809
- Python 3.6.5 x64
- Power Shell 6 x64
- Visual Studio Code x64
- Git for Windows x64
- OpenCV 3.4.4
環境構築
Windows 10 x64 に Python 3.6.x x64 をインストールします。
環境変数の PATH に、インストールしたPythonのフォルダとPython\Scriptsフォルダを設定しておきます。
下記手順で Python の仮想環境を構築し、有効化してpipをアップデートします。
> python -m venv venv
> .\venv\Scripts\activate.ps1
(venv)> python -m pip install --upgrade pip
- pip でいろいろインストールします。
(venv)> pip install pylint
(venv)> pip install opencv-python
プログラム作成
画像ファイルの水増しするプログラムを Python で書きます。
ファイル名は「img_data_gen.py」とします。
import os
import random
import pathlib
import shutil
import glob
import cv2
import numpy as np
def load_name_images(image_path_pattern):
name_images = []
# 指定したパスパターンに一致するファイルの取得
image_paths = glob.glob(image_path_pattern)
# ファイルごとの読み込み
for image_path in image_paths:
path = pathlib.Path(image_path)
# ファイルパス
fullpath = str(path.resolve())
print(f"画像ファイル（絶対パス）:{fullpath}")
# ファイル名
filename = path.name
print(f"画像ファイル（名前）:{filename}")
# 画像読み込み
image = cv2.imread(fullpath)
if image is None:
print(f"画像ファイル[{fullpath}]を読み込めません")
continue
name_images.append((filename, image))
return name_images
def scratch_image(image, use_flip=True, use_threshold=True, use_filter=True):
# どの水増手法を利用するか（フリップ、閾値、平滑化）
methods = [use_flip, use_threshold, use_filter]
# ぼかしに使うフィルターの作成
# filter1 = np.ones((3, 3))
# オリジナルの画像を配列に格納
images = [image]
# 水増手法の関数
scratch = np.array([
# フリップ処理
lambda x: cv2.flip(x, 1),
# 閾値処理
lambda x: cv2.threshold(x, 100, 255, cv2.THRESH_TOZERO)[1],
# 平滑化処理
lambda x: cv2.GaussianBlur(x, (5, 5), 0),
])
# 画像の水増
doubling_images = lambda f, img: np.r_[img, [f(i) for i in img]]
for func in scratch[methods]:
images = doubling_images(func, images)
return images
def delete_dir(dir_path, is_delete_top_dir=True):
for root, dirs, files in os.walk(dir_path, topdown=False):
for name in files:
os.remove(os.path.join(root, name))
for name in dirs:
os.rmdir(os.path.join(root, name))
if is_delete_top_dir:
os.rmdir(dir_path)
RETURN_SUCCESS = 0
RETURN_FAILURE = -1
# Test Image Directory
TEST_IMAGE_PATH = "./test_image"
# Face Image Directory
IMAGE_PATH_PATTERN = "./face_image/*"
# Output Directory
OUTPUT_IMAGE_DIR = "./face_scratch_image"
def main():
print("===================================================================")
print("イメージ水増し OpenCV 利用版")
print("指定した画像ファイルの水増し（フリップ＋閾値＋平滑化で8倍）を行います。")
print("===================================================================")
# ディレクトリの作成
if not os.path.isdir(OUTPUT_IMAGE_DIR):
os.mkdir(OUTPUT_IMAGE_DIR)
# ディレクトリ内のファイル削除
delete_dir(OUTPUT_IMAGE_DIR, False)
# ディレクトリの作成
if not os.path.isdir(TEST_IMAGE_PATH):
os.mkdir(TEST_IMAGE_PATH)
# ディレクトリ内のファイル削除
delete_dir(TEST_IMAGE_PATH, False)
# 対象画像のうち2割をテスト用として退避
image_files = glob.glob(IMAGE_PATH_PATTERN)
random.shuffle(image_files)
for i in range(len(image_files)//5):
shutil.move(str(image_files[i]), TEST_IMAGE_PATH)
# 画像ファイルの読み込み
name_images = load_name_images(IMAGE_PATH_PATTERN)
# 画像ごとの水増し
for name_image in name_images:
filename, extension = os.path.splitext(name_image[0])
image = name_image[1]
# 画像の水増し
scratch_face_images = scratch_image(image)
# 画像の保存
for idx, image in enumerate(scratch_face_images):
output_path = os.path.join(OUTPUT_IMAGE_DIR, f"{filename}_{str(idx)}{extension}")
print(f"出力ファイル（絶対パス）:{output_path}")
cv2.imwrite(output_path, image)
return RETURN_SUCCESS
if __name__ == "__main__":
main()
プログラム実行
- face_imageフォルダに水増しする画像ファイルを配置して実行します。
(venv)> python img_data_gen.py
face_scratch_imageフォルダに学習用の水増しした画像ファイルが保存されます。
test_imageフォルダにテスト用の画像ファイルが保存されます。
最後に
深層学習で画像の分類を行いたいという勢いから、いろいろな情報を参考にやってみました。
自力で水増ししなくても、kerasなどで学習と同時に水増しすることもできるようですが、画像ファイルを簡単に加工できるOpenCVはすごいですね。