ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగు అనేది ఒక చిత్రంలో దాని రూపాన్ని ప్రభావితం చేసే ముఖ్యమైన కారకాలు. PyTorch అందిస్తుంది ' కలర్జిట్టర్ () ” నిర్దిష్ట చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును యాదృచ్ఛికంగా సర్దుబాటు చేసే పద్ధతి. వినియోగదారులు ప్రతి పరామితి కోసం విలువల పరిధిని టుపుల్ లేదా ఒకే విలువగా పేర్కొనవచ్చు. ఈ పద్ధతి పేర్కొన్న పరిధి నుండి యాదృచ్ఛికంగా మార్చబడిన కావలసిన కారకాలతో కొత్తగా సర్దుబాటు చేయబడిన చిత్రాన్ని అందిస్తుంది.
PyTorchలో చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును సర్దుబాటు చేసే పద్ధతిని ఈ బ్లాగ్ వివరిస్తుంది.
పైటార్చ్లో చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును యాదృచ్ఛికంగా ఎలా సర్దుబాటు చేయాలి?
PyTorchలో చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును యాదృచ్ఛికంగా సర్దుబాటు చేయడానికి, దిగువ జాబితా చేయబడిన దశలను అనుసరించండి:
దశ 1: Google Colabకి చిత్రాన్ని అప్లోడ్ చేయండి
ముందుగా, Google Colabని తెరిచి, దిగువన హైలైట్ చేయబడిన చిహ్నాలపై క్లిక్ చేయండి. ఆపై, కంప్యూటర్ నుండి నిర్దిష్ట చిత్రాన్ని ఎంచుకుని, దానిని అప్లోడ్ చేయండి:
తదనంతరం, చిత్రం Google Colabకి అప్లోడ్ చేయబడుతుంది:
ఇక్కడ, మేము క్రింది చిత్రాన్ని అప్లోడ్ చేసాము మరియు మేము దాని ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును యాదృచ్ఛికంగా సర్దుబాటు చేస్తాము:
దశ 2: అవసరమైన లైబ్రరీని దిగుమతి చేయండి
తరువాత, అవసరమైన లైబ్రరీలను దిగుమతి చేయండి. ఉదాహరణకు, మేము ఈ క్రింది లైబ్రరీలను దిగుమతి చేసాము:
టార్చ్ దిగుమతిదిగుమతి torchvision.transforms వంటి రూపాంతరం చెందుతుంది
PIL దిగుమతి చిత్రం నుండి
ఇక్కడ:
-
- ' టార్చ్ దిగుమతి ”పైటోర్చ్ లైబ్రరీని దిగుమతి చేస్తుంది.
- ' టార్చ్విజన్ను దిగుమతి చేయండి. రూపాంతరాలుగా మారుతుంది ” టార్చ్విజన్ నుండి ట్రాన్స్ఫార్మ్స్ మాడ్యూల్ను దిగుమతి చేస్తుంది, ఇది నాడీ నెట్వర్క్లోకి ఫీడ్ చేయడానికి ముందు ఇమేజ్ డేటాను ప్రీప్రాసెస్ చేయడానికి ఉపయోగించబడుతుంది.
- ' PIL దిగుమతి చిత్రం నుండి ” అనేది విభిన్న ఇమేజ్ ఫైల్ ఫార్మాట్లను తెరవడానికి మరియు సేవ్ చేయడానికి ఉపయోగించబడుతుంది:
దశ 3: ఇన్పుట్ చిత్రాన్ని చదవండి
ఆ తర్వాత, కంప్యూటర్ నుండి ఇన్పుట్ చిత్రాన్ని చదవండి. ఇక్కడ, మేము చదువుతున్నాము ' పువ్వులు_img.jpg 'మరియు దానిని 'లో నిల్వ చేయడం input_img ”వేరియబుల్:
input_img = Image.open ( 'flowers_img.jpg' )
దశ 4: పరివర్తనను నిర్వచించండి
ఆపై, పై ఇన్పుట్ ఇమేజ్ యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును సర్దుబాటు చేయడానికి పరివర్తనను నిర్వచించండి. ఇక్కడ, మేము ఈ కారకాల కోసం క్రింది విలువలను నిర్వచించాము:
పరివర్తన = రూపాంతరము.ColorJitter ( ప్రకాశం = 1.5 , విరుద్ధంగా = 1.2 , సంతృప్తత = 2 , రంగు = 0.3 )
దశ 5: ఇమేజ్పై ట్రాన్స్ఫార్మ్ని వర్తింపజేయండి
ఇప్పుడు, కావలసిన కారకాలను సర్దుబాటు చేయడానికి కావలసిన ఇన్పుట్ ఇమేజ్పై పై పరివర్తనను వర్తింపజేయండి:
new_img = రూపాంతరం ( input_img )
దశ 6: సర్దుబాటు చేసిన చిత్రాన్ని ప్రదర్శించండి
చివరగా, సర్దుబాటు చేసిన చిత్రాన్ని ప్రదర్శించడం ద్వారా దాన్ని వీక్షించండి:
కొత్త_img
ఇన్పుట్ ఇమేజ్ యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగు పేర్కొన్న కారకాలతో విజయవంతంగా సర్దుబాటు చేయబడిందని పై అవుట్పుట్ చూపిస్తుంది.
పోలిక
అసలైన చిత్రం మరియు సర్దుబాటు చేయబడిన చిత్రం మధ్య పోలికను క్రింద చూడవచ్చు:
అసలు చిత్రం
|
సర్దుబాటు చేయబడిన చిత్రం
|
గమనిక : మీరు ఇందులో మా Google Colab నోట్బుక్ని యాక్సెస్ చేయవచ్చు లింక్ .
అంతేకాకుండా, మీరు చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును సర్దుబాటు చేయడం గురించి అందించిన కథనాలను కూడా చూడవచ్చు:
PyTorchలో చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును యాదృచ్ఛికంగా సర్దుబాటు చేసే పద్ధతిని మేము సమర్ధవంతంగా వివరించాము.
ముగింపు
PyTorchలో చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును యాదృచ్ఛికంగా సర్దుబాటు చేయడానికి, ముందుగా, Google Colabకి కావలసిన చిత్రాన్ని అప్లోడ్ చేయండి. అప్పుడు, అవసరమైన లైబ్రరీలను దిగుమతి చేయండి మరియు ఇన్పుట్ చిత్రాన్ని చదవండి. ఆ తర్వాత, 'ని ఉపయోగించండి కలర్జిట్టర్ () ” చిత్రం యొక్క ప్రకాశం, సంతృప్తత, కాంట్రాస్ట్ మరియు రంగుకు యాదృచ్ఛిక పరివర్తనలను వర్తింపజేయడానికి పద్ధతి. చివరగా, సర్దుబాటు చేసిన చిత్రాన్ని ప్రదర్శించడం ద్వారా దాన్ని వీక్షించండి. ఈ బ్లాగ్ PyTorchలో చిత్రం యొక్క ప్రకాశం, కాంట్రాస్ట్, సంతృప్తత మరియు రంగును సర్దుబాటు చేసే పద్ధతిని వివరించింది.