python图像数据增强——imgaug （三）

之前两章展示了最基本的imgaug的基础用法，以及一个较为全面的各种增强方法的展示，这里我们介绍在分割问题中的数据增强方法。

在分类问题中，输入为一张图像，输出为一个类别，在这种问题中，我们只需要对图像进行增强，并不需要对标签做出改动。而在分割问题中，当训练使用的图像被翻转或者扭曲之后，标签也要对应的做出相同的翻转或者扭曲，因此在增强的过程中不能仅仅对图像进行处理，同时也要对分割的标签进行相同的处理。

为了对图像和标签做出相同的处理，我们需要确定对一张图的增强方法，然后先后应用在图像和标签上面，这里我们就需要使用该函数seq.to_deterministic()得到一个确定的增强函数。要想知道如何使用，首先我们就要有两个分别记录原图和分割标签的变量，分别叫做image，和segmap。

实现的方法如下，我们这里使用系统自带的一张图片进行增强，这里是在原网站教程的基础上进行改进的，因为在手册中并没有一个中间步骤的输出可以用来训练网络，缺少一步把 SegmentationMapOnImage类型的数据转换成numpy类型数据的步骤，这里我们增加了这一步。我们最后得到的结果就如下图所示。最后再补充一句就是这里对分割增强的方法在这个imgaug库中还在开发中，有些测试还没有做完全，不过目前可以正常使用的。


import imgaug as ia
from imgaug import augmenters as iaa
import imageio
import numpy as np

ia.seed(1)
image = ia.quokka(size=(128, 128), extract="square") #加载示例图