批量图片和标签进行语义分割数据增强的python代码示例

这里是一个示例代码，用于批量图片和标签进行语义分割数据增强:

from imgaug import augmenters as iaa
import numpy as np

# 定义数据增强方法
seq = iaa.Sequential([
    iaa.Flipud(0.5), # 纵向翻转
    iaa.Fliplr(0.5), # 横向翻转
    iaa.Affine(rotate=(-45, 45)), # 旋转
    iaa.AdditiveGaussianNoise(scale=0.05*255) # 加入高斯噪声
])

# 读取图片和标签
img = cv2.imread("image.jpg")
label = cv2.imread("label.png", cv2.IMREAD_GRAYSCALE)

# 数据增强
img_aug, label_aug = seq(image=img, segmentation_maps=label)

# 保存增强后的图片和标签
cv2.imwrite("image_aug.jpg", img_aug)
cv2.imwrite("label_aug.png", label_aug)

这段代码使用了imgaug库，可以对图像进行翻转、旋转、加噪声等操作。需要注意的是，这里是将图片和标签分开进行增强，如果需要同时进行增强，应该使用imgaug.augmenters.SegmentationMapsOnImage类。