在机器视觉领域，深知展示而非告知的重要性。因此，很高兴地介绍全新的图像预处理和增强步骤的预览功能。以下是一些关键预览，要查看全部预览，请创建一个免费的Roboflow账户。
调整图像尺寸并不是简单地将像素拉伸以适应新尺寸。如果需要保持长宽比，是否应该裁剪以填充空间，还是创建白色/黑色填充？反射像素又该如何处理？对于数据来说，哪种确切的选择是最好的，这取决于正在解决的问题，但现在比以往任何时候都更容易考虑决策中的权衡。消除猜测，停止编写样板代码来转换图像。
随机裁剪是一种强大的增强技术。在随机裁剪中，返回原始图像的一个子集——这个子集是原始图像的百分比区域。随机裁剪图像，减少原始图像面积的0到20%，意味着图像可能是原始图像的100%（无变化）或80%——而且，巧妙的是，这80%并不一定是两次随机裁剪之间的相同80%，因为结果图像的中心点也会移动。
随机裁剪可以创建尺度变化、平移，甚至可以调整原始图像的边界框（考虑如果边界框的一部分被裁剪出框架，例如）。Roboflow允许轻松选择最小随机裁剪（从无变化开始，或裁剪0%）和最大随机裁剪（高达99%，或消除原始图像面积的99%）。Roboflow还自动处理更新边界框——包括如果图像中的物体不再在框架中，就完全删除它。（专业提示：使用随机裁剪与调整大小一起使用，以确保图像大小一致！）
Roboflow的图像预处理支持自动定向、灰度、调整大小和对比度变化。在图像级别和专门在边界框内都有增强功能，包括翻转、旋转、裁剪、亮度变化、模糊、噪声等。
// 假设有一个名为original_image的原始图像
// 以及一个名为bounding_box的边界框
// 随机裁剪函数
function randomCrop(image, bbox, min_crop_percentage, max_crop_percentage) {
// 计算裁剪区域
let crop_area = calculateCropArea(image, min_crop_percentage, max_crop_percentage);
// 裁剪图像
let cropped_image = cropImage(image, crop_area);
// 更新边界框
let updated_bbox = updateBoundingBox(bbox, crop_area);
return { cropped_image, updated_bbox };
}
// 计算裁剪区域
function calculateCropArea(image, min_crop_percentage, max_crop_percentage) {
// 根据给定的百分比计算裁剪区域
// ...
}
// 裁剪图像
function cropImage(image, crop_area) {
// 根据裁剪区域裁剪图像
// ...
}
// 更新边界框
function updateBoundingBox(bbox, crop_area) {
// 根据裁剪区域更新边界框
// ...
}