深度学习之数据扩充脚本（旋转，镜像，添加噪音等）

    由于本人在使用yolov3模型跑训练时发现自己标注的图像样本数量实在太少，又懒得再去标注图像，因为标注图像真的是一件超级考验眼睛的事情::>_<:: 故写下了这个数据扩充脚本，将已经标注好的图片进行随机变换，并将该图片对应的txt文件利用线性代数的方法做相应改变，这样标注一张图片就相当于有了好几张图片啦~

    代码中有关图像旋转原理详解的部分参考了下面链接中的内容：

    https://blog.csdn.net/liyuan02/article/details/6750828

    首先直接贴出源码

# -*- coding:utf-8 -*-

import numpy as np
import os
import cv2
import math
import random

start_path = './'
out_path = './out/'


#将所有图片存入列表
def get_filelist():
    imgs_list = []
    imgs_file = os.listdir(start_path)
    for f in imgs_file:
        if f.endswith('.jpg'):
            imgs_list.append(f)
    return imgs_list


#水平镜像翻转
def img_her_flip(pic, labels):
    labels = labels
    #img_width, img_height, c = pic.shape
    flip_pic = cv2.flip(pic, 1, dst=None)  # 水平镜像
    liner_trans = np.array([[-1, 0, 1],
                            [0, 1, 0],
                            [0, 0, 1]])
    for i, label in enumerate(labels):
        cla, x, y, width, height = label
        cen_row_vec = np.array([[float(x), float(y), 1]])
        cen_vec = cen_row_vec.T
        new_vec = np.dot(liner_trans, cen_vec)
        new_x = round(float(new_vec[0][0]), 6)
        new_y = round(float(new_vec[1][0]), 6)
        labels[i] = [cla, new_x, new_y, width, height]
    return flip_pic, labels


#垂直镜像翻转
def img_ver_flip(pic, labels):
    labels = labels
    flip_pic = cv2.flip(pic,-1,dst=None)    # 垂直镜像
    liner_trans = np.array([[-1, 0, 1],