imgaug实现数据增强

import os
from imgaug import augmenters as iaa
import cv2
import sometimes
seq = iaa.Sequential(
    [
        iaa.Fliplr(0.5),  # 对50%的图像进行镜像翻转
        iaa.Flipud(0.2),  # 对20%的图像做左右翻转

        # sometimes(iaa.Crop(percent=(0, 0.1))),
        # 这里沿袭我们上面提到的sometimes，对随机的一部分图像做crop操作
        # crop的幅度为0到10%

        # sometimes(iaa.Affine(  # 对一部分图像做仿射变换
        #     scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},  # 图像缩放为80%到120%之间
        #     translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},  # 平移±20%之间
        #     rotate=(-45, 45),  # 旋转±45度之间
        #     shear=(-16, 16),  # 剪切变换±16度，（矩形变平行四边形）
        #     order=[0, 1],  # 使用最邻近差值或者双线性差值
        #     cval=(0, 255),  # 全白全黑填充
        #     mode=iaa.ALL  # 定义填充图像外区域的方法
        # )),

        # 使用下面的0个到5个之间的方法去增强图像。注意SomeOf的用法
        iaa.SomeOf((0, 5),
                   [
                       # 将部分图像进行超像素的表示。o(╥﹏╥)o用超像素增强作者还是第一次见，比较孤陋寡闻
                       # sometimes(
                       #     iaa.Superpixels(
                       #         p_replace=(0, 1.0),
                       #         n_segments=(20, 200)
                       #     )
                       # ),

                       # 用高斯模糊，均值模糊，中值模糊中的一种增强。注意OneOf的用法
                       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)),
                       ]),

                       # 锐化处理
                       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，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)
                       #     ),
                       # ])),

                       # 加入高斯噪声
                       iaa.AdditiveGaussianNoise(
                           loc=0, scale=(0.0, 0.05 * 255), per_channel=0.5
                       ),

                       # 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
                           ),
                       ]),

                       # 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),

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

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

                       # 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),

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

                       # 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)
                       # ),

                       # 扭曲图像的局部区域
                       # sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05)))
                   ],

                   random_order=True  # 随机的顺序把这些操作用在图像上
                   )
    ],
    random_order=True  # 随机的顺序把这些操作用在图像上
)

seq2 = iaa.Sequential([
    # iaa.GaussianBlur((0, 1.0))
    # iaa.GaussianBlur(2.5)
    # iaa.Crop(px=(0, 16)),
    # iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5)
    # iaa.ContrastNormalization(0.5, per_channel=0.5)
    # iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25)
    iaa.Add((-10, 10), per_channel=0.5),
])
image = cv2.imread(r'..\00240_basepic.jpg')
images = []
for i in range(1):
    images.append(image)
images_aug = seq2.augment_images(images)  # 实现图像增强
for im in images_aug:
    cv2.imshow('aug', im)
    cv2.waitKey(0)