图片数据增强的python代码

图片数据增强是指通过对原始图像进行一系列的变换和处理，生成新的图像来扩充训练数据集的方法。Python提供了多种库可以用于实现图片数据增强，下面是一个使用imgaug库实现图片数据增强的示例代码：

import imgaug.augmenters as iaa
import cv2

# 读取原始图像
image = cv2.imread('original_image.jpg')

# 定义图像增强的操作
augmentation = iaa.Sequential([
    iaa.Fliplr(0.5),  # 随机水平翻转50%的图像
    iaa.Crop(percent=(0, 0.1)),  # 随机裁剪图像的10%大小
    iaa.GaussianBlur(sigma=(0, 0.5)),  # 随机应用高斯模糊，模糊程度可调
    iaa.AdditiveGaussianNoise(scale=(0, 0.1 * 255))  # 随机添加高斯噪声，强度可调
])

# 利用增强操作生成新的图像
augmented_images = augmentation(images=[image])

# 保存增强后的图像
for i, new_image in enumerate(augmented_images):
    cv2.imwrite(f'augmented_image_{i}.jpg', new_image)

上述代码首先读取原始图像，然后通过定义一系列的图像增强操作来生成新的图像。常用的图像增强操作包括翻转、裁剪、模糊和添加噪声等。最后，利用生成的增强操作来生成新的图片，并保存在本地。这样就能通过生成的新图像来扩充训练数据集，提高模型的泛化能力。