augmentor

作为一个图像处理，以及计算机视觉领域的一个小兵，在使用深度学习算法的过程中经常需要写一些图像增强的simple code。虽然不同的计算框架多多少少的都实现了不同的数据增强方法，但是个人认为使用起来还不是很方便，难以满足需求。尤其是涉及到一些相对“复杂”的数据增强手段，例如，物体检测，关键点检测，语义分割等任务，对图像做矩阵操作的同时还需要对标注信息做变换。
自己实现的方法用起来也会顺手一些，可控性也更高。
所以，自己构建了一个小小的augmentor，主要依赖于opencv和numpy。

下面我们来逐步，看一下这个小小的augmentor。

工程地址git

从pytorch tutorial中下载数据 facedata，
并解压到工程目录下：

看一下图像
依次是原始图像，旋转，带label旋转，仿射变换，heatmap，img_drop,blur，padding 和mirror。
图像变换可以插入到你的data flow 的图像增强管道里，随着更多的需求，这个小lib会支持更多的图像变换。
还有一些颜色，对比度等的变化，一般框架都支持，就不在多做重复工作。

原理上也没有很复杂，只是简单的矩阵运算，细节以及使用方法，在test.py