1. 加載和顯示圖片

由于imgaug只處理增強(qiáng)而不是圖像輸入/輸出，我們需要另一個(gè)庫來加載圖像。在Python中，常見的選擇是imageio和CV2。然而，()以BGR顏色空間返回圖像，而不是RGB，需要重新排序通道軸。后一種方法的缺點(diǎn)是所有可視化函數(shù)（例如下面的()）仍然需要輸入RGB格式。

觀察imshow源碼后發(fā)現(xiàn)，imshow只能輸入RGB格式，如果采用imageio讀取不用轉(zhuǎn)換通道格式，而使用CV2的話，需要轉(zhuǎn)成RGB格式。其實(shí)當(dāng)使用CV2的時(shí)候，()內(nèi)部還是調(diào)用了()，只不過又把RGB轉(zhuǎn)成了BGR……所以感覺這個(gè)()相當(dāng)雞肋。

【資料圖】

2. 圖像增強(qiáng)

imgaug的增強(qiáng)技術(shù)是從Augmenter父類派生的。要使用一種增強(qiáng)技術(shù)，我們需要用一組參數(shù)實(shí)例化增強(qiáng)對(duì)象。

仿射變換

Augmenter to apply affine transformations to images.

Affine類是對(duì)圖片進(jìn)行仿射變化的增強(qiáng)類，包括平移，旋轉(zhuǎn)，縮放，錯(cuò)切。

如果不傳入?yún)?shù)，該類會(huì)自動(dòng)賦值一些變換參數(shù)，內(nèi)部實(shí)現(xiàn)如下

幾個(gè)主要的參數(shù)如下：

scale=None

縮放因子，表示無變化，表示縮小50%，還支持其他類型的參數(shù)以對(duì)不同軸做不同變化。

translate_percent=None

其中0表示無變化，表示平移圖片大小的一半。常用的方式如下：

x軸隨機(jī)平移左右平移0~比例，y軸同理上下平移

translate_px=None

以像素單位平移，和上面相同。

rotate=None

旋轉(zhuǎn)取值范圍在[-360,360]，如果是元組，例如（30，60），會(huì)在范圍內(nèi)隨機(jī)均勻采樣。如果是列表，隨機(jī)取列表中的某個(gè)值。

shear=None

錯(cuò)切角度在[-360,360]，但是合適的范圍在[-45,45]

order=1

插值方法，0表示最近鄰，1表示雙線性，常用的是這兩個(gè)，還有其他方法。

cval=0

mode="constant"時(shí)要填充的常數(shù)值，輸入元組代表范圍取值，列表代表隨機(jī)取值。

mode="constant"

填充新創(chuàng)建的像素時(shí)要使用的模式，默認(rèn)用常數(shù)填充。

fit_output=False

經(jīng)過一些仿射變化后，圖像的一些邊緣可能就會(huì)丟失，如果將該參數(shù)設(shè)置為True，那么整張圖片會(huì)完整的顯示出來，但是此時(shí)圖像大小會(huì)發(fā)生改變。如果不想圖像大小發(fā)生變化，用包裹增強(qiáng)對(duì)象即可。

以上輸入的參數(shù)類型大致分為三類，數(shù)字，元組，列表，字典。其中數(shù)字就是對(duì)應(yīng)的值，元組就是在這個(gè)范圍內(nèi)部均勻隨機(jī)采樣，列表就是隨機(jī)采樣列表值，字典可以針對(duì)x軸和y軸做不同變化，字典key對(duì)應(yīng)的value可以是數(shù)字，元組，列表類型。此外，還有一種隨機(jī)數(shù)類型，這里不做介紹。

?批量增強(qiáng)

imgaug支持批量圖片的增強(qiáng)，如果這批圖片的大小不一，那么只能使用數(shù)組，如果圖片大小相同例如一批圖片為[B,H,W,C]，可以使用numpy張量格式，速度上會(huì)更快一些。

注意這里傳入的參數(shù)是images。

?同時(shí)使用多種增強(qiáng)

我們可以使用Sequential來整合一系列增強(qiáng)對(duì)象，這和pytorch里面的有異曲同工之妙。如果希望增強(qiáng)不是按照定義的順序而是隨機(jī)，可以設(shè)置random_order=True。

其他的類似方法還有：

SomeOf表示選取給定增強(qiáng)中的某些增強(qiáng)；

OneOf表示只應(yīng)用所有給定增強(qiáng)中的一個(gè)；

Sometimes按概率隨機(jī)增強(qiáng)；

關(guān)鍵詞：