? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Python數(shù)據(jù)增強(qiáng)的庫(kù)

1. 數(shù)據(jù)增強(qiáng)(旋轉(zhuǎn)、翻轉(zhuǎn)、加噪聲、加對(duì)比度、亮度)： imgaug (更多操作，也可以加天氣效果，推薦)、Augmentor(簡(jiǎn)單操作)? ?直接pip install(windows下面，需要去python第三方非正式庫(kù)下載Shapely，以及numpy1.15，才不會(huì)報(bào)錯(cuò))

2. 數(shù)據(jù)增強(qiáng)(添加下雨 下雪 霧效果) ：Albumentations

3. 數(shù)據(jù)增強(qiáng)：opencv-python、PIL中的ImageEnhance?

區(qū)分：

imgaug：操作更多(但相對(duì)opencv-python，代碼簡(jiǎn)潔)，支持keypoint, bounding box同步處理? ******

Albumentations： 據(jù)說可以進(jìn)行 加雨雪霧的效果

Augmentor：操作較少(但相對(duì)opencv-python，代碼簡(jiǎn)介)

ImageEnhance: 4種操作顏色增強(qiáng)

1、對(duì)比度：白色畫面(最亮?xí)r)下的亮度除以黑色畫面(最暗時(shí))下的亮度；
2、色彩飽和度：：彩度除以明度，指色彩的鮮艷程度，也稱色彩的純度；
3、色調(diào)：向負(fù)方向調(diào)節(jié)會(huì)顯現(xiàn)紅色，正方向調(diào)節(jié)則增加黃色。適合對(duì)膚色對(duì)象進(jìn)行微調(diào)；
4、銳度：是反映圖像平面清晰度和圖像邊緣銳利程度的一個(gè)指標(biāo)。

opencv-python：

1、隨機(jī)裁剪、旋轉(zhuǎn)、翻轉(zhuǎn)；
2、隨機(jī)顏色、明暗；
3、仿射變換；

imgaug：簡(jiǎn)單使用

可以查看官網(wǎng)（鍛煉自己的英文水平，推薦），也可以百度搜一些imgaug的博客，有些博客寫的挺好的，自己就不用整理了。“imgaug學(xué)習(xí)筆記” 百度一下！！

import cv2

from imgaug import augmenters as iaa

?

# 單張圖片的處理（左右翻轉(zhuǎn)等操作）[H,W,C] or [H,W]

img = cv2.imread(img_path, -1)

aug_func = iaa.Fliplr( “Probability 0-1.0” )

result = aug_func.augment_image(img)

{裁剪：iaa.crop(), 填充：iaa.pad(), 銳化：iaa.sharpen, 明暗(亮度)：iaa.Multiply, 對(duì)比度：iaa.ConstratNormalization, 仿射變換：iaa.Affine, ..... }

?

# 多張圖片的處理（左右翻轉(zhuǎn)等操作） [N,H,W,C] or [N,H,W]

imgs=[]

for i in range(N):

imgs.append(img)

imgs = np.array(imgs)

result = aug_func.augment_images(imgs)

?

# 針對(duì)圖片的系列處理，使用全部增強(qiáng)方式，若部分隨機(jī)使用采用iaa.someOf()/one of()/Sometimes()

seq = iaa.Sequential(

iaa.Crop(***)

iaa.Fliplr(***)

iaa.GaussianBlur(***) )

seq.augment_image() / seq.augment_images()

?

# 針對(duì)圖片的批量處理，用到的比較少，往往是寫for循環(huán)實(shí)現(xiàn)。

seq.augment_batch(batch=”調(diào)用iaa.Batch()”)

?

?