在上一篇文章中，介紹了常用的資料增強的方法，並提到了實現這些方法的一個庫imgaug，這篇文章就對該庫的使用方法進行一個總結。

1 介紹

imgaug是一個用於機器學習實驗中影象增強的python庫，支援python2.7和3.4以上的版本。 它支援多種增強技術，允許輕鬆組合這些技術，具有簡單但功能強大的隨機介面，可以在這些介面上增加影象和關鍵點/界標，並在後臺程序中提供增強功能以提高效能。

相關文件：快速開始、函式示例、API介紹、github

2 安裝方法

首先安裝依賴

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

如果想安裝最新版本的imgaug，可直接在github上下載原始碼進行安裝，方法如下

pip install git+https://github.com/aleju/imgaug

或者

git clone https://github.com/aleju/imgaug
cd imgaug 
python setup.py install

3 效果預覽

4 測試程式

整體流程為：定義變換序列（Sequential）→讀入圖片（imread）→執行變換（augment_images）→儲存圖片（imwrite）

#!usr/bin/python
# -*- coding: utf-8 -*-
import cv2
from imgaug import augmenters as iaa

#imgaug test
seq = iaa.Sequential([
    iaa.Crop(px=(0, 16)), # 從每側裁剪影象0到16px（隨機選擇）
    iaa.Fliplr(0.5), # 水平翻轉影象
    iaa.GaussianBlur(sigma=(0, 3.0)) # 使用0到3.0的sigma模糊影象
])

imglist=[]
img = cv2.imread('kobe.jpg')
imglist.append(img)
images_aug = seq.augment_images(imglist)
cv2.imwrite("imgaug.jpg",images_aug[0])
 

原圖kobe.jpg

結果imgaug.jpg

5 函式介紹

在API裡邊，我們可以看到有很多函式可以實現資料增強，接下來對這些函式的功能進行介紹，引數的具體含義請參考另一篇博文或者函式說明