[Lab 색상 공간] cifar-10 이미지 데이터를 읽고 RGB 이미지를 Lab 이미지로 변환하는 방법(Python)
의 목적
cifar-10 이미지 데이터를 읽고 RGB를 Lab로 변환
사전 준비
가져오기
import pickle
import numpy as np
import matplotlib.pyplot as plt
import cv2
그림 불러오기
cifar-10 데이터 세트에서 이미지 데이터 세트 다운로드
이미지의 내용(cifar-10: 낙관 459394;;;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
가져오기
import pickle
import numpy as np
import matplotlib.pyplot as plt
import cv2
그림 불러오기
cifar-10 데이터 세트에서 이미지 데이터 세트 다운로드
이미지의 내용(cifar-10: 낙관 459394;;;,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
def unpickle(file):
import pickle
with open(file, 'rb') as fo:
dict = pickle.load(fo, encoding='bytes')
return dict
(unpickle 함수 인용자cifar-10 데이터 세트사전의 내용(cifar-10, 하나의 정보 459394;, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보, 하나의 정보
data_batch_읽기 1
# バッチ1を読み込み
data_batch_1 = unpickle('cifar-10-batches-py/data_batch_1')
data_batch_1_data.shape # -> (10000, 3072)
컬러 이미지로 변환된 Numpy 정렬
사전은 열의 Numpy 정렬이므로 색상 이미지의 Numpy 정렬로 변환됩니다.# 1 列の Numpy 配列を 32 x 32 のカラー画像の Numpy 配列に変換
def data_to_array(data):
ar1 = np.empty((32, 32, 3), dtype='uint8')
data1 = data.reshape(3, 32, 32)
for i in range(3):
ar1[:, :, i] = data1[i, :, :]
return ar1
# バッチ1データ(10000件)を 32 x 32 のカラー画像の Numpy 配列に変換しリストに格納
data_batch_1_img_list = list()
for data in data_batch_1_data:
img = data_to_array(data)
#print(img.shape)
data_batch_1_img_list.append(img)
len(data_batch_1_img_list) # -> 10000
type(data_batch_1_img_list[0]) # -> numpy.ndarray
나타내다
컬러 이미지로 변환된 Numpy 정렬 목록을 표시합니다.# カラー画像を表示
def check_image(n):
plt.imshow(data_batch_1_img_list[n])
chek_image(0)
Lab 이미지로 변환
Lab 이미지는?
이어 "랩 색상 공간은 보색 공간의 일종으로 밝기를 나타내는 차원 L과 보색 차원을 가진 a와 b로 CIE XYZ 색상 공간의 좌표를 비선형으로 압축한 것"이라며 "RGB나 CMYK와 달리 랩 색상 공간은 사람과 비슷한 시각으로 설계됐다"고 덧붙였다.
(출처: https://ja.wikipedia.org/wiki/Lab%E8%89%B2%E7%A9%BA%E9%96%93
Lab 이미지로 변환하여 표시합니다.
# rgb を Lab に変換
img_Lab = cv2.cvtColor(data_batch_1_img_list[0], cv2.COLOR_RGB2Lab)
img_L, img_a, img_b = cv2.split(img_Lab)
plt.imshow(img_Lab)
img_Lab.shape # -> (32, 32, 3)
Reference
이 문제에 관하여([Lab 색상 공간] cifar-10 이미지 데이터를 읽고 RGB 이미지를 Lab 이미지로 변환하는 방법(Python)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/df6/items/c6f4c5694230139af69b
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
# 1 列の Numpy 配列を 32 x 32 のカラー画像の Numpy 配列に変換
def data_to_array(data):
ar1 = np.empty((32, 32, 3), dtype='uint8')
data1 = data.reshape(3, 32, 32)
for i in range(3):
ar1[:, :, i] = data1[i, :, :]
return ar1
# バッチ1データ(10000件)を 32 x 32 のカラー画像の Numpy 配列に変換しリストに格納
data_batch_1_img_list = list()
for data in data_batch_1_data:
img = data_to_array(data)
#print(img.shape)
data_batch_1_img_list.append(img)
len(data_batch_1_img_list) # -> 10000
type(data_batch_1_img_list[0]) # -> numpy.ndarray
컬러 이미지로 변환된 Numpy 정렬 목록을 표시합니다.
# カラー画像を表示
def check_image(n):
plt.imshow(data_batch_1_img_list[n])
chek_image(0)
![](https://s1.md5.ltd/image/3213a4163f9bd84a1bf88143465695a5.png)
Lab 이미지로 변환
Lab 이미지는?
이어 "랩 색상 공간은 보색 공간의 일종으로 밝기를 나타내는 차원 L과 보색 차원을 가진 a와 b로 CIE XYZ 색상 공간의 좌표를 비선형으로 압축한 것"이라며 "RGB나 CMYK와 달리 랩 색상 공간은 사람과 비슷한 시각으로 설계됐다"고 덧붙였다.
(출처: https://ja.wikipedia.org/wiki/Lab%E8%89%B2%E7%A9%BA%E9%96%93
Lab 이미지로 변환하여 표시합니다.
# rgb を Lab に変換
img_Lab = cv2.cvtColor(data_batch_1_img_list[0], cv2.COLOR_RGB2Lab)
img_L, img_a, img_b = cv2.split(img_Lab)
plt.imshow(img_Lab)
img_Lab.shape # -> (32, 32, 3)
Reference
이 문제에 관하여([Lab 색상 공간] cifar-10 이미지 데이터를 읽고 RGB 이미지를 Lab 이미지로 변환하는 방법(Python)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/df6/items/c6f4c5694230139af69b
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
# rgb を Lab に変換
img_Lab = cv2.cvtColor(data_batch_1_img_list[0], cv2.COLOR_RGB2Lab)
img_L, img_a, img_b = cv2.split(img_Lab)
plt.imshow(img_Lab)
img_Lab.shape # -> (32, 32, 3)
Reference
이 문제에 관하여([Lab 색상 공간] cifar-10 이미지 데이터를 읽고 RGB 이미지를 Lab 이미지로 변환하는 방법(Python)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/df6/items/c6f4c5694230139af69b텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)