最快最好用的数据增强库「albumentations」 一文看懂用法

1. Albumentations的自我介绍

1. 我的官方地址在 github链接
2. 我的API（文档）地址在 https://albumentations.ai/docs/
3. 我是负责处理图像的一个库，可用于所有数据类型：图像（RBG图像，灰度图像，多光谱图像），分割mask，边界框和关键点
4. 我大概有70多种不同的图像处理方法,相比torch自带的，这个库函数有更多的对图像的预处理的办法
5. 我的特点就是快：在相同的对图像的处理下，我的速度就是比其他处理方式更快👍
   
   这个图中，可以看到albumentations的处理方法中，很多都是速度最快的¹。

6. 我可以与流行的深度学习框架（例如PyTorch和TensorFlow）一起使用。顺便说一句，我还是PyTorch生态系统的一部分
7. 对Pytorch很友好，而且这个库函数是kaggle master制作的
8. 广泛用于工业，深度学习研究，机器学习竞赛和开源项目。就是大佬都爱用的一个库，在kaggle比赛上都有我的身影。

2.案例欣赏

首先我们来欣赏一哈官方提供的案例。

• Inria数据集上的语义分割 数据增强
  
  ​​​​​​对原始图像进行了水平旋转，垂直旋转，旋转90度，行列转置，尺度缩放等
• 医学影像 MRI
  
• Mapillary Vistas数据集上的对象检测和语义分割

• 关键点增强
  

---

​​弄个好用的函数库，我们一起来学习学习撒~~~~~~

3.如何安装

1. pip 安装
   pip install albumentations
2. 源码库安装
   pip install -U git+https://github.com/albumentations-team/albumentations

4.有哪些数据增强方法

数据增强方法分为像素级变换和空间级变换。像素级变换只针对图像，空间级变换同时作用于图像，mask（就是分割的标签，中文称为蒙版），检测框（BBoxes），关键点。–

4.1 像素级变换（Pixel-level transforms）

像素级转换将仅更改输入图像，并且将使所有其他目标（例如蒙版，边界框和关键点）保持不变。像素级转换包括：模糊，色彩抖动，图像压缩，高斯噪声，倒置，归一化，随机雨，随机亮度对比，锐化，色相饱和度值等等。

其实用脑壳想一哈，这些变换只要是针对输入图像嘛，不可能对label或者mask,或者检测框进行模糊，加噪声这些嘛。选用的时候动哈脑筋就对了，不用看这个分类的。

4.2 空间级变换（Spatial-level transforms）

空间级变换将同时更改输入图像以及其他目标，例如蒙版，边界框和关键点。下表显示了每个转换支持哪些其他目标。

在使用空间变换的时候就要注意，图像转了，那蒙版，检测框啥的也要跟着转才对，而且设计到随机的变换，更要注意，图像和标签是否对齐。

---

说了那么多，还是不晓得咋个使用。别急，现在起讲用法，保证看完，妈妈都会了。

5.看完就会的使用方法

首先，来看看使用的正确姿势

import albumentations as A
trans = A.Compose([
        A.HorizontalFlip(p=0.5),
        A.VerticalFlip(p=0.5),
        A.OneOf([
            A.IAAAdditiveGaussianNoise(),   # 将高斯噪声添加到输入图像
            A.GaussNoise(),    # 将高斯噪声应用于输入图像。
        ], p=0.2),   # 应用选定变换的概率
        A.OneOf([
            A.MotionBlur(p=0.2),   # 使用随机大小的内核将运动模糊应用于输入图像。
            A.MedianBlur(blur_limit=3, p=0.1),    # 中值滤波
            A.Blur(blur_limit=3, p=0.1),   # 使用随机大小的内核模糊输入图像。
        ], p=0.2),
        A.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.2, rotate_limit=45, p=0.2),
        # 随机应用仿射变换：平移，缩放和旋转输入
        A.RandomBrightnessContrast(p=0.2),   # 随机明亮对比度
    ])

这里面特别要注意两个方法，很重要。Compose 和 OneOf。Compose大家都知道，torchvision里面有，就是把所有的变换放在一起，按顺序执行。而OneOf就厉害了，他可以选择性的执行包在它里面的变换。比如把都是模糊的变换（高斯模糊，模糊，运动模糊等等）放在OneOf里面，它就可以随机选择一种变换执行。

那接下来具体讲讲这两种

5.1 Compose

重点 ：我不知道这个方法怎么用，去哪里搜索呢🤡
教你两招，一去官方APIhttps://albumentations.ai/docs/搜索，如下：


这里就可以看函数的作用，以及参数。从参数表里可以看到，compose也有概率参数p的，这是个细节。我们后面的代码里会用到这个参数。

这里组要是组合变换，代码上面已经给过了。

5.2 Oneof

它同Compose一样，都是做组合的，都有概率。区别就在于：Compose组合下的变换是要挨着顺序做的，而OneOf组合里面的变换是系统自动选择其中一个来做，而这里的概率参数p是指选定后的变换被做的概率。有点拗口，举个栗子。

A.OneOf([
            A.MotionBlur(p=0.2),   # 使用随机大小的内核将运动模糊应用于输入图像。
            A.MedianBlur(blur_limit=3, p=0.1),    # 中值滤波
            A.Blur(blur_limit=3, p=0.1),   # 使用随机大小的内核模糊输入图像。
        ], p=0.2)

这里有3个模糊方法，系统假设选择做A.Blur，那么做A.Blur的概率就是0.2。

5.3 我们再随便看看其他的一些方法。

• A.resize()
  resize(img, height, width, interpolation=cv2.INTER_LINEAR)
  注意：这个函数如果单独使用需要提供img参数，如果放在Compose里面使用，就不提供img参数的。

import albumentations as A

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

image = Image.open('610235_7.jpg')
img_arr = np.array(image) # resize只支持array, 不支持jpg
resize = A.resize(img_arr, 256, 256)

transform = A.Compose([
    A.Resize(height=256, width=256, p=1.0),
], p=0.9)

img_trans = transform(image=np.array(image))  # image为图像地址'xxx.jpg'

• HorizontalFlip 水平翻转
  围绕y轴水平翻转输入，需要实例化后在调用

flip = A.HorizontalFlip(p=1)  # 实例化,翻转概率为1,百分百翻转，测试使用
flipimg = flip(image=resize)
print（flipimg.keys()） # dict_keys(['image'])
plt.figure(figsize=(8,8))
plt.subplot(121)
plt.title('resized image')
plt.imshow(resize, cmap='gray')
plt.subplot(122)
plt.title('fliped image')
plt.imshow(flipimg['image'], cmap='gray')

水平翻转是需要给定参数的，参数可以在编译器里面查看（如，pycharm）

不同目标，使用不同的参数。因为它会在内部根据参数调用不同的方法，如源码里面

这里HorizontalFlip是继承自DualTransform。

• ShiftScaleRotate 随机应用仿射变换：平移，缩放和旋转输入
  

shift = A.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.2, rotate_limit=45, p=1)
shift_img = shift(image=flipimg['image'])

plt.figure(figsize=(8,8))
plt.subplot(121)
plt.title('fliped image')
plt.imshow(flipimg['image'], cmap='gray')
plt.subplot(122)
plt.title('shift image')
plt.imshow(shift_img['image'], cmap='gray')

5.4 怎么把这些增强方法和pytorch结合

我们都知道pytorch模型接受的输入是Tensor格式，而albumentations库并没有totensor的方法，那我们怎么才能得到Tensor呢。

更正：albumentations库有totensor的方法, 如ToTensorV2。用ToTensorV2不用ToTensor的原因官方已经说明²

那如果不使用albumentations的totensor, 或者想和torchvision结合用，应该怎么操作呢？

假设用albumentations做好的transform如下：

trans =  A.Compose([
        A.HorizontalFlip(p=0.5),
        A.VerticalFlip(p=0.5),
        A.OneOf([
            A.IAAAdditiveGaussianNoise(),   # 将高斯噪声添加到输入图像
            A.GaussNoise(),    # 将高斯噪声应用于输入图像。
        ], p=0.2),   # 应用选定变换的概率
        A.OneOf([
            A.MotionBlur(p=0.2),   # 使用随机大小的内核将运动模糊应用于输入图像。
            A.MedianBlur(blur_limit=3, p=0.1),    # 中值滤波
            A.Blur(blur_limit=3, p=0.1),   # 使用随机大小的内核模糊输入图像。
        ], p=0.2),
        A.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.2, rotate_limit=45, p=0.2),
        # 随机应用仿射变换：平移，缩放和旋转输入
        A.RandomBrightnessContrast(p=0.2),   # 随机明亮对比度
    ])
trans_img = trans(image=img_arr)

plt.figure(figsize=(8,8))
plt.subplot(121)
plt.title('original image')
plt.imshow(img_arr, cmap='gray')
plt.subplot(122)
plt.title('albumentions image')
plt.imshow(trans_img['image'], cmap='gray')

现在使用torchvision 把做好了transform的数据转化成tensor

from torchvision import transforms as t
as_tensor = t.ToTensor()

img_tensor = as_tensor(trans_img['image'])

现在还有一个问题，虽然方法我都知道了，但是真正在建立dataset的时候应该怎么写dataset呢。

最后，就给大家看看一个范例。

这个范例是在做分割的时候写的。只关注transform部分就可以了。

例子就举这么多。授人以鱼不如授人以渔，我主要是讲方法，遇到新的不会的函数，怎么去逛网查用法，官网查不到的，pycharm里面再看看源代码。想要懒惰一点，也可以直接百度某个函数。

传送门：
我就想看看具体有哪些函数
还有这个也是具体的函数用法

今天就学习了这么多，花了不少时间总结下来。肩膀都酸了，肚子也饿了，看到这儿了，不点赞，关注，鼓励一下嘛😂

---

1. https://cloud.tencent.com/developer/article/1660972 ↩︎

2. https://albumentations.ai/docs/faq/#which-transformation-should-i-use-to-convert-a-numpy-array-with-an-image-or-a-mask-to-a-pytorch-tensor-totensor-or-totensorv2 ↩︎