Escreva uma função que realize data augmentation em uma imagem de tráfego. Inclua pelo menos três técnicas diferentes de augmentation.

exercicio5.py

import torch
from torchvision import transforms
from PIL import Image
import matplotlib.pyplot as plt

# Função para realizar data augmentation
def augmentacao_imagem(imagem):
    # Definindo uma sequência de transformações
    transformacao = transforms.Compose([
        transforms.RandomRotation(degrees=30),  # Rotaciona a imagem até 30 graus
        transforms.ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5, hue=0.5),  # Altera brilho, contraste, saturação e tonalidade
        transforms.RandomResizedCrop(size=(224, 224), scale=(0.8, 1.0)),  # Zoom aleatório na imagem
        transforms.ToTensor()  # Converte a imagem para tensor
    ])

    # Aplicando as transformações na imagem
    imagem_transformada = transformacao(imagem)
    
    return imagem_transformada

# Exemplo de uso
imagem_path = 'caminho/para/sua/imagem_de_trafego.jpg'  # Substitua pelo caminho real da imagem
imagem = Image.open(imagem_path)

# Aplicando a augmentação
imagem_aug = augmentacao_imagem(imagem)

# Exibindo a imagem original e a imagem transformada
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# Exibir imagem original
ax1.imshow(imagem)
ax1.set_title("Imagem Original")
ax1.axis('off')

# Exibir imagem transformada
ax2.imshow(imagem_aug.permute(1, 2, 0))  # Para exibir corretamente o tensor
ax2.set_title("Imagem com Data Augmentation")
ax2.axis('off')

plt.show()