通过旋转角度扩充数据集

       tensorflow 的object detection api有一系列预处理方法（如flip等），但不包括旋转rotation，这可能是因为常规项目不会涉及到图像的360度旋转。但旋转在某些特定任务中尤为重要，笔者最近的遥感图像检测和血细胞检测项目采用的都是俯瞰视角，这种情况下，训练数据集的旋转操作可以使得网络具有方向的鲁棒性。

       初步发现，api中常规的预处理操作是封装在.proto文件里面了，再通过.config文件设置、选择，preprogress.py等文件集成、调用。要直接添加，需要修改最初的配置文件，笔者水平有限，程序改不了那么深。。。

       因此，直接在数据集上进行操作，对图像进行旋转，并对相应的annotation中的.xml文件进行修改，使得图像和目标按特定角度旋转。暂定每张图像旋转20次，每次18度。这样，原来的一张图像就生成了20张旋转后的图像，同时也进行了数据集的扩充。方法也比较粗暴，但简单可行。     

      首先是图像旋转的程序，

# -*- coding: utf-8 -*-
"""
Created on Tue Oct  9 09:57:04 2018

@author: PC
"""
import tensorflow as tf
from scipy import misc
import numpy as np
import os 
from skimage import transform

global angle
angle = 0.0    
#文件名
def file_name_original(file): 
    return os.path.splitext(file)[0] 

#扩展名
def file_name_extension(file): 
    return os.path.splitext(file)[1] 

#随机旋转图片
def random_rotate_image(image_input_path, image_output_path, image_file, num):
    global angle
    with tf.Graph().as_default():
#        tf.set_random_seed(666)
        file_contents = tf.read_file(os.path.join(image_input_path, image_file))
        image = tf.image.decode_image(file_contents, channels=3)
        image_rotate_en_list = []
        def random_rotate_image_func(image, angle):
            return misc.imrotate(image, angle, 'bicubic')
#            return transform.rotate(image, angle,resize=True)
        for i in range(num):
            image_rotate = tf.py_func(random_rotate_image_func, [image, angle], tf.uint8)
            angle = (angle + 18)
#            image_rotate = misc.imrotate(image, 90, 'bicubic')