Python-使用imgaug 进行图像增强
imgaug在GitHub安装方法和各种改变图像的示例：https://github.com/aleju/imgaug
imgaug官网：https://imgaug.readthedocs.io/en/latest/index.html
imgaug API介绍：https://imgaug.readthedocs.io/en/latest/source/api.html
介绍
imgaug是一个用于机器学习实验中图像增强的库。它支持广泛的增强技术，允许轻松组合这些技术并以随机顺序或在多个 CPU 内核上执行它们，具有简单而强大的随机接口，不仅可以增强图像，还可以增强关键点/地标、边界框、热图和分割图。
安装
pip install imgaug简单示例01
#!usr/bin/python
# -*- coding: utf-8 -*-
import cv2
from imgaug import augmenters as iaa
# imgaug test
seq = iaa.Sequential([
iaa.Crop(px=(0, 16)), # 从每侧裁剪图像0到16px（随机选择）
iaa.Fliplr(0.5), # 水平翻转图像
iaa.GaussianBlur(sigma=(0, 3.0)) # 使用0到3.0的sigma模糊图像
])
imglist = []
img = cv2.imread('1.jpg')
imglist.append(img)
images_aug = seq.augment_images(imglist)
cv2.imwrite("2.jpg", images_aug[0])结果显示：
简单示例02
import numpy as np
import imgaug as ia
import imgaug.augmenters as iaa
import cv2
import os
#Sometimes（0.5，…）在50%的情况下应用给定的增强器，
#例如，Sometimes（0.5，GaussianBlur（0.3））大约每秒都会模糊图像。
sometimes = lambda aug: iaa.Sometimes(0.5, aug)
#定义将应用于每个图像的增强步骤序列。
seq = iaa.Sequential(
[
#
#将以下增强器应用于大多数图像。
#
iaa.Fliplr(0.5), # 水平翻转所有图像的50%
iaa.Flipud(0.2), # 垂直翻转所有图像的20%
# 将部分图像裁剪为其高度/宽度的0-10%
sometimes(iaa.Crop(percent=(0, 0.1))),
# 对某些图像应用仿射变换
# -缩放到图像高度/宽度的80-120%（每个轴独立）
# -相对于高度/宽度（每轴）平移-20到+20
# -旋转-45到+45度
# -剪切-16至+16度
# -顺序：使用最近邻或双线性插值（fast）
# -模式：使用任何可用模式填充新创建的像素
# 请参阅API或scikit图像，了解哪些模式可用
# - -cval：如果模式恒定，则使用随机亮度对于新创建的像素（例如，有时为黑色，有时为白色）
sometimes(iaa.Affine(
scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},
translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},
rotate=(-45, 45),
shear=(-16, 16),
order=[0, 1],
cval=(0, 255),
mode=ia.ALL
)),
#
# 每个图像执行以下0到5个（不太重要）增强器。不要全部执行，因为这通常会太过强烈。
#
iaa.SomeOf((0, 5),
[
# 将一些图像转换为其超像素表示，每个图像采样20到200个超像素，
# 但不要用其平均值替换所有超像素，只替换其中的一些（p_replace）。
sometimes(
iaa.Superpixels(
p_replace=(0, 1.0),
n_segments=(20, 200)
)
),
#使用不同的强度模糊每个图像
#高斯模糊（sigma介于0和3.0之间）
#平均/均匀模糊（内核大小在2x2和7x7之间）
#中值模糊（内核大小在3x3和11x11之间）。
iaa.OneOf([
iaa.GaussianBlur((0, 3.0)),
iaa.AverageBlur(k=(2, 7)),
iaa.MedianBlur(k=(3, 11)),
]),
# 锐化每个图像，使用介于0（无锐化）和1（完全锐化效果）之间的alpha将结果与原始图像覆盖。
iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)),
# 与锐化相同，但用于浮雕效果。
iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),
# 在某些图像中搜索所有边缘或定向边缘。
# 然后在黑白图像中标记这些边缘，并使用0到0.7的alpha与原始图像叠加。
sometimes(iaa.OneOf([
iaa.EdgeDetect(alpha=(0, 0.7)),
iaa.DirectedEdgeDetect(
alpha=(0, 0.7), direction=(0.0, 1.0)
),
])),
# 在一些图像中添加高斯噪声。在其中50%的情况下，噪声是按通道和像素随机采样的。
# 在其他50%的情况下，每像素采样一次（即亮度变化）。
iaa.AdditiveGaussianNoise(
loc=0, scale=(0.0, 0.05*255), per_channel=0.5
),
# 要么随机删除所有像素的1%到10%（即将其设置为黑色），
# 要么将其放置在原始大小的2%到5%的图像上，从而导致大矩形的删除。
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
),
]),
# 以5%的概率反转每个图像的通道
# 这将每个像素值设置为255-v
iaa.Invert(0.05, per_channel=True), # 反转颜色通道
# 为每个像素添加-10到10的值。
iaa.Add((-10, 10), per_channel=0.5),
# 更改图像亮度（原始值的50-150%）。
iaa.Multiply((0.5, 1.5), per_channel=0.5),
# 改善或恶化图像的对比度。
iaa.LinearContrast((0.5, 2.0), per_channel=0.5),
#将每个图像转换为灰度，然后用随机alpha将结果与原始图像叠加。去除不同强度的颜色。
iaa.Grayscale(alpha=(0.0, 1.0)),
# 在某些图像中，局部移动像素（具有随机强度）。
sometimes(
iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25)
),
# 在一些图像中，局部区域的扭曲程度不同。
sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05)))
],
# 按随机顺序执行上述所有增强
random_order=True
)
],
# 按随机顺序执行上述所有增强
random_order=True
)
# 图片文件相关路径
path = 'before/'
savedpath = 'after/'
imglist = []
filelist = os.listdir(path)
# 遍历要增强的文件夹，把所有的图片保存在imglist中
for item in filelist:
img = cv2.imread(path + item)
# print('item is ',item)
# print('img is ',img)
# images = load_batch(batch_idx)
imglist.append(img)
# print('imglist is ' ,imglist)
print('all the picture have been appent to imglist')
# 对文件夹中的图片进行增强操作，循环100次
for count in range(100):
images_aug = seq.augment_images(imglist)
for index in range(len(images_aug)):
filename = str(count) + str(index) + '.jpg'
# 保存图片
cv2.imwrite(savedpath + filename, images_aug[index])
print('image of count%s index%s has been writen' % (count, index))运行终端
原图片10张
增强图片 1000张
Augmenters常用函数
1. iaa.someOf()
将Augmenter中的部分变换应用在图片处理上，而不是应用所有的Augmenter。例如：可以定义20种变换，但每次只选择其中的5个。但是不支持固定选择某一个Augmenter。
函数原型:
iaa.SomeOf(n=None,
children=None,
random_order=False,
name=None,
deterministic=False,
random_state=None)参数:
n: 从总的Augmenters中选择多少个。可以是一个int, tuple, list或者随机值。
random_order: 是否每次顺序不一样。
2. iaa.OneOf()
每次从一系列Augmenters中选择一个来变换。
3. iaa.Sometimes()
对batch中的一部分图片应用一部分Augmenters,剩下的图片应用另外的Augmenters。
函数原型
iaa.Sometimes(p=0.5,
then_list=None,
else_list=None,
name=None,
deterministic=False,
random_state=None)参数：
p: float。多大比例的图片会被Augmente。
then_list: Augmenter集合。p概率的图片进行变换的Augmenters。
else_list: 1-p概率的图片会被进行变换的Augmenters。注意变换的图片应用的Augmenter只能是then_list或者else_list中的一个。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
THE END
二维码