图像数据增强函数

import numpy as np
from scipy import ndimage
import cv2

def data_augmentation(image):
    # 随机旋转
    angle = np.random.randint(-10, 10)
    image = ndimage.rotate(image, angle, reshape=False)

    # 随机平移
    t_x, t_y = np.random.randint(-10, 10, size=(2,))
    rows, cols = image.shape
    M = np.float32([[1, 0, t_x], [0, 1, t_y]])
    image = cv2.warpAffine(image, M, (cols, rows))

    # 随机裁剪
    x1, y1 = np.random.randint(0, 10, size=(2,))
    x2, y2 = np.random.randint(20, 30, size=(2,))
    image = image[x1:x2, y1:y2]

    # 随机翻转
    flip = np.random.randint(0, 2)
    if flip == 1:
        image = np.fliplr(image)

    # 随机色彩变化
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    hue_shift = np.random.randint(0, 50)
    hsv[:, :, 0] = (hsv[:, :, 0] + hue_shift) % 180
    sat_shift = np.random.randint(0, 50)
    hsv[:, :, 1] = np.clip(hsv[:, :, 1] + sat_shift, 0, 255)
    val_shift = np.random.randint(0, 50)
    hsv[:, :, 2] = np.clip(hsv[:, :, 2] + val_shift, 0, 255)
    image = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

    return image

使用方法:

# 加载图像
image = cv2.imread('image.jpg')

# 进行数据增强
augmented_image = data_augmentation(image)

# 显示增强后的图像
cv2.imshow('Augmented Image', augmented_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意:

cv2.COLOR_BGR2HSV 和 cv2.COLOR_HSV2BGR 用于在 BGR 和 HSV 颜色空间之间转换。
np.clip 用于将饱和度和亮度值限制在 0 到 255 之间。
可以根据需要调整数据增强参数，例如旋转角度、平移量、裁剪区域等。

示例:

以下是使用该函数进行数据增强后的示例图像：

[示例图像]

更多信息:

图像数据增强函数 - Python 实现

图像数据增强函数