### Mosaic 增强技术的 Python 实现 Mosaic 数据增强是一种用于目标检测任务的数据增广方法，通过将四张图像拼接成一张大图来增加模型对不同尺度和背景组合的学习能力[^1]。以下是基于 Python 的 Mosaic 数据增强实现： #### 1. 准备工作 为了实现 Mosaic 数据增强，需要准备以下内容： - 输入图像列表及其对应的标签（边界框坐标）。 - 随机选取四张图像并裁剪它们的一部分区域。 #### 2. Mosaic 数据增强的核心逻辑 核心思路是将四张图像按一定比例拼接在一起，并调整每张图像中的边界框位置以适应新的拼接布局。 ```python import random import cv2 import numpy as np def mosaic_augmentation(image_list, label_list, input_size=640): """ 实现 Mosaic 数据增强 参数: image_list (list): 包含四张输入图像的列表 label_list (list): 对应于四张图像的目标边界框列表 [[xmin, ymin, xmax, ymax], ...] input_size (int): 输出图像大小，默认为 640x640 返回: tuple: 拼接后的图像和更新后的边界框 """ # 定义输出图像尺寸 output_image = np.full((input_size * 2, input_size * 2, 3), 114, dtype=np.uint8) yc, xc = [int(random.uniform(-input_size // 2, input_size)) for _ in range(2)] # 中心点偏移量 updated_labels = [] for i, img_path in enumerate(image_list): # 加载图像 img = cv2.imread(img_path) h, w = img.shape[:2] if i == 0: # top-left x1a, y1a, x2a, y2a = max(xc - w, 0), max(yc - h, 0), xc, yc # 小图在大图上的范围 x1b, y1b, x2b, y2b = w - (x2a - x1a), h - (y2a - y1a), w, h # 裁剪原图的部分 elif i == 1: # top-right x1a, y1a, x2a, y2a = xc, max(yc - h, 0), min(xc + w, input_size * 2), yc x1b, y1b, x2b, y2b = 0, h - (y2a - y1a), min(w, x2a - x1a), h elif i == 2: # bottom-left x1a, y1a, x2a, y2a = max(xc - w, 0), yc, xc, min(input_size * 2, yc + h) x1b, y1b, x2b, y2b = w - (x2a - x1a), 0, w, min(y2a - y1a, h) elif i == 3: # bottom-right x1a, y1a, x2a, y2a = xc, yc, min(xc + w, input_size * 2), min(input_size * 2, yc + h) x1b, y1b, x2b, y2b = 0, 0, min(w, x2a - x1a), min(h, y2a - y1a) # 将裁剪的小图粘贴到大图上 output_image[y1a:y2a, x1a:x2a] = img[y1b:y2b, x1b:x2b] # 更新边界框的位置 padw = x1a - x1b pady = y1a - y1b labels = label_list[i].copy() if len(labels): labels[:, [0, 2]] += padw labels[:, [1, 3]] += pady updated_labels.append(labels) # 截取中心部分作为最终输出 final_img = output_image[input_size:input_size*2, input_size:input_size*2] updated_labels = np.concatenate(updated_labels, axis=0) if len(updated_labels) > 0 else [] return final_img, updated_labels ``` 上述代码实现了基本的 Mosaic 数据增强流程，其中 `image_list` 是包含四张图像路径的列表，而 `label_list` 则存储对应的目标边界框信息。 --- ### 关键点解析 1. **随机中心点的选择** 使用 `random.uniform()` 方法生成随机中心点 `(xc, yc)`，控制四张子图的相对位置。 2. **边界框坐标的映射** 在拼接过程中，原始图像被裁剪并放置到新图像的不同区域，因此需要重新计算边界框相对于全局图像的新位置[^3]。 3. **性能优化** 如果数据集中存在大量小目标，则可以适当缩小裁剪窗口的比例，从而提高这些目标的可见性[^2]。 --- ###