Data Augmentation.

今天做深度学习实验，由于是关于医学图像处理的的，所以数据集非常少。因此进行Data Augmentation十分有必要。keras里自带的ImageDataGenerator进行Data Augmentation十分方便，它实现了图像几何变换方法：旋转，平移，缩放，水平翻转等。由于实验原因，我的网络输出是对应的groundTruth图像(二值图像），所以在进行数据变换扩充时，原始图像和groundTruth图像要进行相同的变换。捣鼓半天，没能利用ImageDataGenerator将原始图像和groundTruth图像同时进行相同变换，后来发现了一个小技巧，能同时将输入图像和groundTruth图像进行相同变换。

做法是：将原始图像和groundTruth图像 作为一个图像的多通道，然后利用ImageDataGenerator进行变换，实现Data Augmentation， 这样就使得原始图像和groundTruth图像同时进行相同的变换。

from keras.preprocessing.image import ImageDataGenerator

images=np.ones((1,80,80,3));#输入图像是1，3，4通道，没有2通道。所以我采用3通道，将第一通道为原始图像，第二通道为groundTruth图像，第三通随机。

images[0,:,:,0]=image #第一通道为原始图像

images[0,:,:,1]=groundTruth #第二通道为groundTruth图像

dataAugmentation = ImageDataGenerator(width_shift_range=.6) #只进行平移变换
for X_batch in dataAugmentation.flow(im):
    #这里就进行一次变换，如进行多次变换，添加一个循环即可

    break

imshow(X_batch[0,:,:,0])
imshow(X_batch[0,:,:,1])   

未变换前的图片：

变换后的图片：