帮我写一份数据预处理代码 图像处理： 图像缩放和归一化：所有图像经过统一的缩放和像素值归一化处理，将像素值映射至[0, 1]区间，以提高模型训练的稳定性和收敛速度。 数据增强：训练集图像通过随机旋转、平移、缩放和水平翻转等增强技术，增加了数据的多样性和泛化能力。

当然可以。以下是一个简单的Python代码片段，使用PIL库进行图像预处理：

import numpy as np
from PIL import Image

# 定义函数用于图像缩放和归一化
def preprocess_image(image_path):
    # 打开图片
    img = Image.open(image_path)
    
    # 缩放图片到固定大小 (例如224x224)，并转换为灰度图（对于某些模型）
    img_resized = img.resize((224, 224))
    if img.mode != 'L':
        img_resized = img_resized.convert('L')  # 转为灰度

    # 将像素值归一化到[0, 1]
    img_array = np.array(img_resized) / 255.0
    return img_array.astype(np.float32)

# 定义数据增强函数
def data_augmentation(image, label):
    # 随机增强操作，这里使用torchvision.transforms
    transform = transforms.Compose([
        transforms.RandomRotation(10),
        transforms.RandomHorizontalFlip(),
        transforms.RandomResizedCrop(224),
        transforms.ToTensor(),
    ])
    augmented_image = transform(image)
    return augmented_image, label

# 使用示例
image_path = 'path_to_your_image.jpg'
preprocessed_img = preprocess_image(image_path)
augmented_data = data_augmentation(preprocessed_img, label)