参考博主https://blog.csdn.net/weixin_43042683/article/details/125749894
首先给大家推荐一个数据增强的项目:
https://github.com/aleju/imgaug
下载这个项目,但是如果只做简单的数据增强,我们可以只将项目中imgaug/augmenters文件拿出来,放在一个新的项目中作为根路径。
1.导包
pip install imgaug
from imgaug import augmenters as iaa
在导这个包时可能会报错,原因就是得把augmenters 这个文件夹单独拿出来作为根目录。
2.简单示例
#!usr/bin/python
# -*- coding: utf-8 -*-
import cv2
from imgaug import augmenters as iaa
# imgaug test
seq = iaa.Sequential([
iaa.Crop(px=(0, 16)), # 从每侧裁剪图像0到16px(随机选择)
iaa.Fliplr(0.5), # 水平翻转图像
iaa.GaussianBlur(sigma=(0, 3.0)) # 使用0到3.0的sigma模糊图像
])
imglist = []
img = cv2.imread('1.jpg')
imglist.append(img)
images_aug = seq.augment_images(imglist)
cv2.imwrite("2.jpg", images_aug[0])
结果展示:
3.批量处理
import numpy as np
import imgaug as ia
import imgaug.augmenters as iaa
import cv2
import os
#Sometimes(0.5,…)在50%的情况下应用给定的增强器,
#例如,Sometimes(0.5,GaussianBlur(0.3))大约每秒都会模糊图像。
sometimes = lambda aug: iaa.Sometimes(0.5, aug)
#定义将应用于每个图像的增强步骤序列。
seq = iaa.Sequential(
[
#
#将以下增强器应用于大多数图像。
#
iaa.Fliplr(0.5), # 水平翻转所有图像的50%
iaa.Flipud(0.2), # 垂直翻转所有图像的20%
# 将部分图像裁剪为其高度/宽度的0-10%
sometimes(iaa.Crop(percent=(0, 0.1))),
# 对某些图像应用仿射变换
# -缩放到图像高度/宽度的80-120%(每个轴独立)
# -相对于高度/宽度(每轴)平移-20到+20
# -旋转-45到+45度
# -剪切-16至+16度
# -顺序:使用最近邻或双线性插值(fast)
# -模式:使用任何可用模式填充新创建的像素
# 请参阅API或scikit图像,了解哪些模式可用
# - -cval:如果模式恒定,则使用随机亮度对于新创建的像素(例如,有时为黑色,有时为白色)
sometimes(iaa.Affine(
scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},
translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},
rotate=(-45, 45),
shear=(-16, 16),
order=[0, 1],
cval=(0, 255),
mode=ia.ALL
)),
#
# 每个图像执行以下0到5个(不太重要)增强器。不要全部执行,因为这通常会太过强烈。
#
iaa.SomeOf((0, 5),
[
# 将一些图像转换为其超像素表示,每个图像采样20到200个超像素,
# 但不要用其平均值替换所有超像素,只替换其中的一些(p_replace)。
sometimes(
iaa.Superpixels(
p_replace=(0, 1.0),
n_segments=(20, 200)
)
),
#使用不同的强度模糊每个图像
#高斯模糊(sigma介于0和3.0之间)
#平均/均匀模糊(内核大小在2x2和7x7之间)
#中值模糊(内核大小在3x3和11x11之间)。
iaa.OneOf([
iaa.GaussianBlur((0, 3.0)),
iaa.AverageBlur(k=(2, 7)),
iaa.MedianBlur(k=(3, 11)),
]),
# 锐化每个图像,使用介于0(无锐化)和1(完全锐化效果)之间的alpha将结果与原始图像覆盖。
iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)),
# 与锐化相同,但用于浮雕效果。
iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),
# 在某些图像中搜索所有边缘或定向边缘。
# 然后在黑白图像中标记这些边缘,并使用0到0.7的alpha与原始图像叠加。
sometimes(iaa.OneOf([
iaa.EdgeDetect(alpha=(0, 0.7)),
iaa.DirectedEdgeDetect(
alpha=(0, 0.7), direction=(0.0, 1.0)
),
])),
# 在一些图像中添加高斯噪声。在其中50%的情况下,噪声是按通道和像素随机采样的。
# 在其他50%的情况下,每像素采样一次(即亮度变化)。
iaa.AdditiveGaussianNoise(
loc=0, scale=(0.0, 0.05*255), per_channel=0.5
),
# 要么随机删除所有像素的1%到10%(即将其设置为黑色),
# 要么将其放置在原始大小的2%到5%的图像上,从而导致大矩形的删除。
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
),
]),
# 以5%的概率反转每个图像的通道
# 这将每个像素值设置为255-v
iaa.Invert(0.05, per_channel=True), # 反转颜色通道
# 为每个像素添加-10到10的值。
iaa.Add((-10, 10), per_channel=0.5),
# 更改图像亮度(原始值的50-150%)。
iaa.Multiply((0.5, 1.5), per_channel=0.5),
# 改善或恶化图像的对比度。
iaa.LinearContrast((0.5, 2.0), per_channel=0.5),
#将每个图像转换为灰度,然后用随机alpha将结果与原始图像叠加。去除不同强度的颜色。
iaa.Grayscale(alpha=(0.0, 1.0)),
# 在某些图像中,局部移动像素(具有随机强度)。
sometimes(
iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25)
),
# 在一些图像中,局部区域的扭曲程度不同。
sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05)))
],
# 按随机顺序执行上述所有增强
random_order=True
)
],
# 按随机顺序执行上述所有增强
random_order=True
)
# 图片文件相关路径
path = 'before/'
savedpath = 'after/'
imglist = []
filelist = os.listdir(path)
# 遍历要增强的文件夹,把所有的图片保存在imglist中
for item in filelist:
img = cv2.imread(path + item)
# print('item is ',item)
# print('img is ',img)
# images = load_batch(batch_idx)
imglist.append(img)
# print('imglist is ' ,imglist)
print('all the picture have been appent to imglist')
# 对文件夹中的图片进行增强操作,循环100次
for count in range(100):
images_aug = seq.augment_images(imglist)
for index in range(len(images_aug)):
filename = str(count) + str(index) + '.jpg'
# 保存图片
cv2.imwrite(savedpath + filename, images_aug[index])
print('image of count%s index%s has been writen' % (count, index))
结果展示: