批量数据增强python代码

数据增强是指在不改变标签的情况下，对已有的数据进行一定的变换，从而生成新的数据，增加数据样本的多样性和数量，提高模型的泛化能力。以下是一个基于Python的数据增强代码示例：

import os
import cv2
import numpy as np
from keras.preprocessing.image import ImageDataGenerator

# 定义数据增强的方法
def data_augmentation():
    datagen = ImageDataGenerator(
        rotation_range=10,  # 随机旋转的角度范围
        width_shift_range=0.1,  # 水平方向上平移的范围
        height_shift_range=0.1,  # 垂直方向上平移的范围
        shear_range=0.2,  # 剪切变换的程度
        zoom_range=0.2,  # 随机缩放的范围
        horizontal_flip=True,  # 水平翻转
        fill_mode='nearest'  # 填充像素的方式
    )
    return datagen

if __name__ == '__main__':
    data_path = 'path/to/your/data'
    save_path = 'path/to/save/data'
    if not os.path.exists(save_path):
        os.makedirs(save_path)
    image_list = os.listdir(data_path)
    for image_name in image_list:
        image_path = os.path.join(data_path, image_name)
        img = cv2.imread(image_path)
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  # 转换为RGB格式
        img = img.reshape((1,) + img.shape)  # 扩展为4维数组
        datagen = data_augmentation()  # 定义数据增强器
        save_prefix = image_name.split('.')[0]
        # 利用数据增强器生成新的数据
        for i, new_image in enumerate(datagen.flow(img, batch_size=1, save_to_dir=save_path, save_prefix=save_prefix, save_format='jpg')):
            if i >= 9:  # 生成10张新图片
                break

以上代码使用Keras中的`ImageDataGenerator`方法定义了数据增强器，并通过调整不同的参数来实现旋转、平移、缩放、剪切等变换。在主函数中，读取原始图片文件夹中的图片，然后利用`ImageDataGenerator`生成新的图片，并保存到指定的文件夹中。生成的新图片文件名以原始图片文件名为前缀，后接一个数字表示第几张新图片。