详解TensorFlow的 tf.image.random_contrast 函数：随机改变图像对比度

TensorFlow的tf.image.random_contrast函数使用攻略

函数作用

tf.image.random_contrast函数通过随机加入亮度对比度，能够增加图像的多样性，且可以用于数据增广，同时使模型更加健壮，减少过拟合。

使用方法

import tensorflow as tf

image = tf.image.decode_jpeg(tf.io.read_file('test.jpg'))
image_contrast = tf.image.random_contrast(image, lower=0.5, upper=1.5)

参数说明

该函数包含了许多可选参数。下面是各参数的详细说明：

• image：输入图像，其维度为 [height, width, channels] 或 [height, width, 1]。

• lower：增加的对比度的下界，以0.0-1.0的浮点数表示，默认为0.0。

• upper：增加的对比度的上界，以0.0-1.0的浮点数表示，默认为1.0。

• seed：随机化因子，在图像增强时应设置为随机种子。

• name：运算的名称。

实例说明

示例一：使用random_contrast调整图片对比度（提高）

import tensorflow as tf

image = tf.image.decode_jpeg(tf.io.read_file('test.jpg'))
image_contrast = tf.image.random_contrast(image, lower=0.2, upper=2.0)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    img, img_con = sess.run([image, image_contrast])

    plt.subplot(121)
    plt.imshow(img)
    plt.title('Original image')

    plt.subplot(122)
    plt.imshow(img_con)
    plt.title('Contrast enhanced image')

在这个示例中，tf.image.random_contrast函数被用来随机调整测试图像的对比度。随机因子的上下界被设置为0.2和2.0，这样可以让测试图像的对比度在[0.2, 2.0]的范围内变化。这种方式模拟了真实数据变化的情况。在代码运行后，我们得到了一个调整后的图像，其中对比度更加强烈，与原图不同。

示例二：调用tf.image.random_contrast函数调整MNIST手写数据集图片的对比度

import tensorflow as tf
import matplotlib.pyplot as plt

# 加载MNIST数据集
(train_images, train_labels), (_, _) = tf.keras.datasets.mnist.load_data()

image = train_images[0, :, :].reshape([28, 28, 1])
image_contrast = tf.image.random_contrast(image, lower=0.3, upper=1.0)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())

    image, img_con = sess.run([image, image_contrast])

    plt.subplot(121)
    plt.imshow(image.reshape([28, 28]))
    plt.title('Original image')

    plt.subplot(122)
    plt.imshow(img_con.reshape([28, 28]))
    plt.title('Contrast enhanced image')

    plt.show()

这个示例使用tf.image.random_contrast函数来随机增加MNIST手写数据集中第一个图片的对比度。上限被设置为1.0，下限被设置为0.3。运行这个代码时，我们看到MNIST数据集图像变得更加清晰，同时对比度更佳强烈。