数据增强（噪声，模糊，缩放，色域变换，均衡化，色彩抖动）

本篇为处女作，请大家多多指教。

在做深度学习时，数据的处理是重中之重。在做自己的数据集时，可能会面临数据图像数目不均衡，数据量少的困扰。本篇文章就是介绍图像增强的方法，对图像进行增强，增加图像的数目。

一、增加噪声

在图像中增加适量噪声可以增强学习能力。噪声有很多种，常见的有椒盐噪声，高斯噪声等。

1.椒盐噪声：一种随机出现的白点或者黑点，可能是亮的区域有黑色像素或是在暗的区域有白色像素（或是两者皆有）。

#添加椒盐噪声
def sp_noise(image):
      output = np.zeros(image.shape,np.uint8)
      prob=rand(0.0005,0.001)  #随机噪声比例
      thres = 1 - prob 
      for i in range(image.shape[0]):
          for j in range(image.shape[1]):
              rdn = random.random()
              if rdn < prob:
                output[i][j] = 0
              elif rdn > thres:
                output[i][j] = 255
              else:
                output[i][j] = image[i][j]
      return output

2.高斯噪声：概率密度函数服从高斯分布。

def gasuss_noise(image, mean=0, var=0.001):

    '''
        添加高斯噪声
        mean : 均值
        var : 方差
    '''
    image = np.array(image/255, dtype=float)
    noise = np.random.normal(mean, var ** 0.5, image.shape)
    out = image + noise
    if out.min() < 0:
        low_clip = -1.
    else:
        low_clip = 0.
    out = np.clip(out, low_clip, 1.0)
    out = np.uint8(out*255)
    return out

     

                                          

            

二、滤波（模糊）处理

滤波处理主要是让图像变得模糊，提取图像的重要信息。常见的模糊处理有：高斯模糊，中值模糊，均值（椒盐）模糊。

卷积核大小一般为奇数：（3，3）、（5，5）、（7，7）

#利用opencv模块
img1 = cv2.blur(img,(5,5))  #中值滤波
img2 = cv2.medianBlur(img,5)  #椒盐滤波
img3 = cv2.GaussianBlur(img,(5,5)，0)  #高斯滤波

                    

三、旋转

图像的大小不变，可以将图像进行上下旋转，左