对.mat数据集做数据增强的代码

数据增强可以增加数据集的多样性和数量，有助于提高模型的泛化能力和鲁棒性。下面是一个使用imgaug库对.mat数据集进行数据增强的示例代码：

import os
import scipy.io
import numpy as np
import imgaug.augmenters as iaa

# 加载数据集
data = scipy.io.loadmat('dataset.mat')
images = data['images']  # (n_samples, height, width, n_channels)
labels = data['labels']  # (n_samples,)

# 定义数据增强器
seq = iaa.Sequential([
    iaa.Fliplr(0.5),  # 水平翻转
    iaa.GaussianBlur(sigma=(0, 3.0)),  # 高斯模糊
    iaa.Affine(rotate=(-10, 10), mode='symmetric'),  # 旋转
    iaa.AdditiveGaussianNoise(scale=(0, 0.1*255)),  # 加入高斯噪声
])

# 对每张图片进行数据增强
aug_images = []
aug_labels = []
for i in range(len(images)):
    image = images[i]
    label = labels[i]
    aug_image = seq(image=image)  # 应用数据增强器
    aug_images.append(aug_image)
    aug_labels.append(label)

# 将增强后的数据保存为.mat文件
aug_data = {'images': np.array(aug_images), 'labels': np.array(aug_labels)}
scipy.io.savemat('aug_dataset.mat', aug_data)

注意，这里使用的是imgaug库，需要用pip命令安装。在上面的示例代码中，我们定义了一个数据增强器seq，其中包括了一些常用的数据增强方法，比如水平翻转、高斯模糊、旋转和加入高斯噪声等。然后对每张图片进行增强，并将增强后的数据保存为.mat文件。