当然可以！下面是一个完整的 Python 脚本示例，使用 **YOLO 常用的数据增强方法**（高斯噪声、加雾、过曝光）来对图像进行增强处理，并将结果保存到指定文件夹中。 这个脚本适合 Python 小白阅读和理解，我已经添加了详细的中文注释，帮助你逐步了解每一部分代码的作用。 --- ### ✅ 功能说明 - 读取原始图像 - 应用三种数据增强方式：高斯噪声、加雾、过曝光 - 每种增强后的图像都保存到指定的输出文件夹 - 所有操作基于 OpenCV 和 NumPy 实现 --- ### ✅ 完整 Python 脚本 ```python import cv2 import numpy as np import os # ---------------------------- # 第一步：定义图像增强函数 # ---------------------------- def add_gaussian_noise(image, mean=0, sigma=0.1): """ 添加高斯噪声 :param image: 输入图像 (BGR 格式) :param mean: 高斯分布的均值 :param sigma: 高斯分布的标准差 :return: 添加噪声后的图像 """ row, col, ch = image.shape gauss = np.random.normal(mean, sigma, (row, col, ch)) noisy_image = np.clip(image + gauss * 255, 0, 255).astype(np.uint8) # 确保像素值在 [0,255] 范围内 return noisy_image def add_fog(image, fog_intensity=0.3): """ 添加雾效 :param image: 输入图像 :param fog_intensity: 雾的强度（0~1） :return: 加雾后的图像 """ fog_layer = np.ones_like(image) * 255 # 白色雾层 fogged_image = cv2.addWeighted(image, 1 - fog_intensity, fog_layer, fog_intensity, 0) return fogged_image def over_exposure(image, exposure_factor=1.5): """ 过曝光增强 :param image: 输入图像 :param exposure_factor: 曝光倍数（>1 表示更亮） :return: 过曝光后的图像 """ enhanced_image = np.clip(image * exposure_factor, 0, 255).astype(np.uint8) return enhanced_image # ---------------------------- # 第二步：设置路径和参数 # ---------------------------- input_folder = r"D:\InsulatorDataSet-master\InsulatorDataSet-master\Normal_Insulators\images" # 图像输入文件夹 output_folder = r"D:\InsulatorDataSet-master\augmented_images" # 图像输出文件夹 os.makedirs(output_folder, exist_ok=True) # 如果输出文件夹不存在则创建 # ---------------------------- # 第三步：批量处理图片并保存 # ---------------------------- for filename in os.listdir(input_folder): if filename.endswith(".jpg") or filename.endswith(".png"): file_path = os.path.join(input_folder, filename) # 读取图像 image = cv2.imread(file_path) if image is None: print(f"无法读取 {filename}，跳过。") continue # 添加高斯噪声 noisy_image = add_gaussian_noise(image) # 添加雾效 fogged_image = add_fog(image) # 过曝光增强 exposed_image = over_exposure(image) # 构造输出文件名 base_name = os.path.splitext(filename)[0] output_noisy = os.path.join(output_folder, f"{base_name}_noisy.jpg") output_fogged = os.path.join(output_folder, f"{base_name}_fogged.jpg") output_exposed = os.path.join(output_folder, f"{base_name}_exposed.jpg") # 保存增强后的图像 cv2.imwrite(output_noisy, noisy_image) cv2.imwrite(output_fogged, fogged_image) cv2.imwrite(output_exposed, exposed_image) print(f"已处理 {filename}，增强图像已保存。") print("所有图像增强完成！") ``` --- ### 📁 文件结构说明 - `input_folder`：放置你的原始图片 - `output_folder`：增强后的图片会自动保存在这里 - 每张原始图片会生成三个增强版本： - `xxx_noisy.jpg`：高斯噪声 - `xxx_fogged.jpg`：加雾 - `xxx_exposed.jpg`：过曝光 --- ### 💡 使用建议 - 确保安装了 `opencv-python`，如果没有安装，请运行： ```bash pip install opencv-python ``` - 可以根据需要修改增强参数（如 `sigma`, `fog_intensity`, `exposure_factor`）。 - 如果你需要处理其他格式的图片（如 `.bmp`），只需修改 `if filename.endswith(...)` 中的判断条件即可。 ---