ImgAug图像增强

总结下imgaug数据增强常用的方法及增强的结果！
测试图片来源于网络
资料参考：https://blog.csdn.net/fenglepeng/article/details/116998236

镜像

水平镜像

iaa.Fliplr(0.5),  # 对50%的图像进行镜像翻转

上下镜像

iaa.Flipud(0.2),  # 对20%的图像做上下翻转

随机裁剪

# 对随机的一部分图像做crop操作
# crop的幅度为0到10%
iaa.Crop(percent=(0, 0.1))

仿射变换

缩放图像

# 图像缩放为80%到120%之间
scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},  

平移图像

# 平移±20%之间
translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},  

旋转图像

# 旋转±45度之间
rotate=(-45, 45),  

剪切图像

# 剪切变换±16度，（矩形变平行四边形）
shear=(-16, 16),  

超像素增强

sometimes(
	iaa.Superpixels(
		p_replace=(0, 1.0),
		n_segments=(20, 200)
	) 
),

图像模糊

# 用高斯模糊，均值模糊，中值模糊中的一种增强。
iaa.OneOf([
        iaa.GaussianBlur((0, 3.0)),
        iaa.AverageBlur(k=(2, 7)),  # 核大小2~7之间，k=((5, 7), (1, 3))时，核高度5~7，宽度1~3
        iaa.MedianBlur(k=(3, 11)),
]),

图像锐化

iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)),

浮雕效果

iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),

边缘检测

# 边缘检测，将检测到的赋值0或者255然后叠在原图上
sometimes(iaa.OneOf([
   iaa.EdgeDetect(alpha=(0, 0.7)),
   iaa.DirectedEdgeDetect(alpha=(0, 0.7), direction=(0.0, 1.0)),
])),

高斯噪声

iaa.AdditiveGaussianNoise(loc=0, scale=(0.0, 0.05 * 255), per_channel=0.5),

Dropout&CoarseDropout

# 将1%到10%的像素设置为黑色
# 或者将3%到15%的像素用原图大小2%到5%的黑色方块覆盖
iaa.OneOf([
    iaa.Dropout((0.01, 0.1), per_channel=0.5),
    iaa.CoarseDropout(
        (0.03, 0.15), size_percent=(0.02, 0.05),
        per_channel=0.2
    ),
]),

图像反转

# 5%的概率反转像素的强度，即原来的强度为v那么现在的就是255-v
iaa.Invert(0.05, per_channel=True),

像素值随机加减

# 每个像素随机加减-10到10之间的数
iaa.Add((-10, 10), per_channel=0.5),

像素值随机乘法

# 像素乘上0.5或者1.5之间的数字.
iaa.Multiply((0.5, 1.5), per_channel=0.5),

对比度调整

# 将整个图像的对比度变为原来的一半或者二倍
iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5),

Grayscale

# 将RGB变成灰度图然后乘alpha加在原图上
iaa.Grayscale(alpha=(0.0, 1.0)),

像素移动

# 把像素移动到周围的地方。这个方法在mnist数据集增强中有见到
sometimes(iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25)),

图像局部区域扭曲

sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05))),

调整色度

iaa.AddToHue((-60, 60))

学习永远在路上！