数据（图像）增强详介绍——Python实现

1.导包

import matplotlib.pyplot as plt
from PIL import Image
%matplotlib inline
from keras.preprocessing import image

import os

import glob
import numpy as np

 2.所有目录所需要的路径代码：

img_path='D:/暑假/数据加强/image/sky/*'
in_path='D:/暑假/数据加强/image/'
out_path='D:/暑假/数据加强/out/'

 补充说明：

/*：代表文件中所有内容（有个问题需要注意：如果还要在in_path的路径后面加新的路径时，一定要记得加’/‘。

3.指定target_size后所有的图像都变为相同大小代码：

datagen=image.ImageDataGenerator()
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,
                                    save_to_dir=out_path+'resize',
                                    save_prefix='gen',target_size=(224,224))

解释说明：datagen.flow_from_directory（）里面的参数很好理解滴，我就说几个：首先由于image文件下就一个文件夹所以呢这个路径用的in_path,save_to_dir:是将变换完的图像放在out文件里的resize文件。save_prefix是图片的前缀呀。其实这个时候文件夹还是空滴！接下来就一切都在不言中了！！！！

4.调用函数显示图片代码：

for i in range(3):
    gen_data.next()
print_result(out_path+'resize/*')

结果如下：

 4.角度旋转

datagen=image.ImageDataGenerator(rotation_range=45)#旋转45°
gen=image.ImageDataGenerator()
data=gen.flow_from_directory(in_path,batch_size=1,class_mode=None,shuffle=True,target_size=(224,224))
np_data=np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'rotation',save_prefix="wo",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'rotation/*')

结果如下：

 5.移动

datagen=image.ImageDataGenerator(width_shift_range=0.3,height_shift_range=0.3)
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'shift',save_prefix="w",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'shift/*')

结果如下：

也可是负的参数哦！！

datagen=image.ImageDataGenerator(width_shift_range=-0.3,height_shift_range=0.3)
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'shift2',save_prefix="w",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'shift2/*')

 结果如下：

6.缩放 

#缩放
datagen=image.ImageDataGenerator(zoom_range=0.5)
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'zoom',save_prefix="gen",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'zoom/*')

结果如下：

7.翻转 

#翻转
datagen=image.ImageDataGenerator(horizontal_flip=True)
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'horizontal',save_prefix="w",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'horizontal/*')
Found 3 im

结果如下：

8.填充方法：

 'constant':kkkkkk|abcd|kkkkkk(cval=k)
'nearrst':aaaaaaa|abcd|ddddddd
'reflect':abcddcba|abcd|dcbaabcd
'wrap':abcdabcd|abcd|abcdabcd

1.wrap填充

datagen=image.ImageDataGenerator(fill_mode='wrap',zoom_range=[4,4])
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'fill_mode',save_prefix="w",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'fill_mode/*')

结果如下：

2.reflect填充

datagen=image.ImageDataGenerator(fill_mode='reflect',zoom_range=[4,4])
gen_data=datagen.flow_from_directory(in_path,batch_size=1,shuffle=False,save_to_dir=out_path+'reflect',save_prefix="w",target_size=(224,224))
for i in range(3):
    gen_data.next()
print_result(out_path+'reflect/*')

 结果如下：

记录每一朵云，因为每一朵云都是独一无二的O(∩_∩)O