python影象資料增強庫

Augmentor使用比較簡單,只有一些簡單的操作。 imgaug實現的功能更多，可以對keypoint, bounding box同步處理，比如你現在由一些標記好的資料，只有同時對原始圖片和標記資訊同步處理，才能有更多的標記資料進行訓練。我在segmentation和detection任務經常使用imgaug這個庫。

Augmentor

[直接點開，谷歌翻譯，文件很全]

Augmentor 是管道化的影象增強庫，每一個增強操作都是逐步疊加在影象上。此外對於輸入的影象，可以選擇按照一定的概率進行增強，比如只隨機對一半影象進行旋轉。

可以實現的操作有, rotate, crop, perspective skew(視角傾斜

/*注意傾斜後，旋轉後都有多餘的邊界，從傾斜影象中裁剪原始影象的相同縱橫比的最大可能區域，然後調整大小以匹配原始影象尺寸*/

安裝

sudo -H pip install Augmentor

升級：

pip install Augmentor --upgrade  
 

用法

第1步：建立新的管道

必須首先初始化一個Pipeline物件，該物件指向儲存原始影象資料集的目錄

>>> import Augmentor
>>> p = Augmentor.Pipeline("/path/to/images")
Initialised with 100 images found in selected directory.

第2步：向管道新增操作

>>> p.rotate(probability=0.7, max_left_rotation=10, max_right_rotation=10)

新增進一步的操作，在這種情況下是一個

>>> p.zoom(probability=0.3, min_factor=1.1, max_factor=1.6)

第3步：從流水線執行和取樣

並指定所需的影象數量，在本例中為10,000：

>>> p.sample(10000)

預設情況下，新生成的增強影象將儲存到名為output的目錄中，相對於包含初始影象資料集的目錄。

可以使用Augumentor.Pipeline()建立一個例項,呼叫各種方法向pipeline新增方法, status()可以顯示當前pipeline的狀態，在status中每個操作都有一個對應的index, remove_operation(index)移除一個操作, 最後呼叫sample(nums)得到nums個augument後的影象。

import Augmentor
p = Augmentor.Pipeline("/path/to/images/")
p.status()
p.remove_operation(0)