利用imgaug进行数据增强data augmentation

在数据量不够的时候需要进行data augmentation即数据增强，对数据量进行扩充。

在这里使用imgaug库（ https://github.com/aleju/imgaug ），此python库可以为机器学习项目扩充图像，它将一组输入图像转换为一组新的，数量更多的略微改变的图像。

库的安装：
库支持python2.7和3.4+。
首先安装所有支持项：

pip install six numpy scipy Pillow matplotlib scikit-image opencv-python imageio Shapely

然后安装库：

pip install imgaug

若读取的图片数据为image，image应该有四个维度(N, height, weidth, channels)，即图片数量，高度，宽度，通道(RGB)。如果是灰度图则channels为1。数据必须是uint8类型，大小在0到255之间。一个典型的例子：

import imageio
import imgaug as ia
from imgaug import augmenters as iaa

image = imageio.imread("http://wx4.sinaimg.cn/large/006HcH9cgy1g2ywu5fooxj30oy0gimz1.jpg")# 读取图片数据

seq = iaa.Sequential([# 定义一个sequential，把要进行的图片操作（3个操作）放在里面
    iaa.Affine(rotate=(-25, 25)),
    iaa.AdditiveGaussianNoise(scale=(10, 30)),
    iaa.Crop(percent=(0, 0.4))
], random_order=True)# 这3个图片操作以随机顺序作用在图片上

images_aug = [seq.augment_image(image) for _ in range(8)]# 应用data augmentation
ia.imshow(ia.draw_grid(images_aug, cols=4, rows=2))# 显示图片操作效果

数据增强效果如图：

有了以上的例子，我们可以套模板，编写自己的data augmentation脚本，批量对每一张图片进行数据扩张，并批量保存扩张的图片：

# coding:utf-8
import imgaug as ia
from imgaug import augmenters as iaa
import numpy as np
import cv2
import glob
import os

allimages = glob.glob('/home/user/test/*.jpg')# 获取目录下所有图片路径
for path in allimages:
    name = os.path.basename(path)[:-4]
    images = cv2.imread(path, 1)
    images = [images, images, images]# 数据量变成4倍
    sometimes = lambda aug: iaa.Sometimes(0.5, aug) # 定义一个lambda表达式，以p=0.5的概率去执行sometimes传递的图像增强
    seq = iaa.Sequential(
        [
            iaa.Fliplr(0.5), # 对50%的图像进行镜像翻转
            iaa.Flipud(0.2), # 对20%的图像做左右翻转

            sometimes(iaa.Crop(percent=(0, 0.1))),# crop的幅度为0到10%

            sometimes(iaa.Affine(                          # 部分图像做仿射变换
                scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},# 图像缩放为80%到120%
                translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},# 平移±20%
                rotate=(-30, 30),# 旋转±30度
                shear=(-16, 16),# 剪切变换±16度（矩形变平行四边形）
                # order=[0, 1],# 使用最邻近差值或者双线性差值
                cval=(0, 255),# 全白全黑填充
                mode=ia.ALL# 定义填充图像外区域的方法
            )),
            
            # 使用下面的0个到2个之间的方法增强图像
            iaa.SomeOf((0, 2),
                [
                    # # 将部分图像进行超像素的表示
                    # sometimes(
                    #     iaa.Superpixels(
                    #         p_replace=(0, 1.0),
                    #         n_segments=(20, 200)
                    #     )
                    # ),

                    # #用高斯模糊，均值模糊，中值模糊中的一种增强
                    # iaa.OneOf([
                    #     iaa.GaussianBlur((0, 3.0)),
                    #     iaa.AverageBlur(k=(2, 7)), # 核大小2~7之间，k=((5, 7), (1, 3))时，核高度5~7，宽度1~3
                    #     iaa.MedianBlur(k=(3, 11)),
                    # ]),

                    #锐化处理
                    iaa.Sharpen(alpha=(0, 0.3), lightness=(0.9, 1.1)),

                    # #浮雕效果
                    # iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),

                    # #边缘检测，将检测到的赋值0或者255然后叠在原图上
                    # sometimes(iaa.OneOf([
                    #     iaa.EdgeDetect(alpha=(0, 0.7)),
                    #     iaa.DirectedEdgeDetect(
                    #         alpha=(0, 0.7), direction=(0.0, 1.0)
                    #     ),
                    # ])),

                    # 加入高斯噪声
                    iaa.AdditiveGaussianNoise(
                        loc=0, scale=(0.0, 0.05*255), per_channel=0.5
                    ),

                #     # 将1%到10%的像素设置为黑色
                # # 或者将3%到15%的像素用原图大小2%到5%的黑色方块覆盖
                #     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
                #         ),
                #     ]),

                    # #5%的概率反转像素的强度，即原来的强度为v那么现在的就是255-v
                    # iaa.Invert(0.05, per_channel=True), 

                    # 每个像素随机加减-10到10之间的数
                    iaa.Add((-10, 10), per_channel=0.5),

                    # 像素乘上0.5或者1.5之间的数字
                    iaa.Multiply((0.8, 1.2), per_channel=0.5),

                    # 将整个图像的对比度变为原来的一半或者二倍
                    iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5),

                    # # 将RGB变成灰度图然后乘alpha加在原图上
                    # iaa.Grayscale(alpha=(0.0, 1.0)),

                    # # 把像素移动到周围
                    # sometimes(
                    #     iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25)
                    # ),

                    # # 扭曲图像的局部区域
                    # sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05)))
                ],
                
                random_order=True # 随机的顺序把这些操作用在图像上
            )
        ],
        random_order=True # 随机的顺序把这些操作用在图像上
    )

    images_aug = seq.augment_images(images)#　应用数据增强
    c = 1
    for each in images_aug:
        cv2.imwrite('/home/sunjin/augdata/%s%s.jpg'%(name, c), each)# 增强图片保存到指定路径
        c+=1
    # ia.imshow(np.hstack(images_aug))# 显示增强图片

HOPE U ENJOY ?