数据集增强 python代码

数据集增强可以通过各种技术来实现，以下是常用的一些数据增强技术的Python代码示例：

1. 图像平移增强

import cv2
import numpy as np

def translate(image, x, y):
    # 定义平移矩阵
    M = np.float32([[1, 0, x], [0, 1, y]])
    # 应用平移矩阵到图像
    shifted = cv2.warpAffine(image, M, (image.shape[1], image.shape[0]))
    # 返回平移后的图像
    return shifted

2. 图像翻转增强

import cv2
import numpy as np

def flip(image, axis):
    # 水平翻转
    if axis == 0:
        flipped = cv2.flip(image, 0)
    # 垂直翻转
    elif axis == 1:
        flipped = cv2.flip(image, 1)
    # 水平和垂直翻转
    elif axis == -1:
        flipped = cv2.flip(image, -1)
    # 返回翻转后的图像
    return flipped

3. 图像旋转增强

import cv2
import numpy as np

def rotate(image, angle, scale=1.0):
    # 获取图像尺寸
    (h, w) = image.shape[:2]
    # 计算旋转中心
    center = (w // 2, h // 2)
    # 定义旋转矩阵
    M = cv2.getRotationMatrix2D(center, angle, scale)
    # 应用旋转矩阵到图像
    rotated = cv2.warpAffine(image, M, (w, h))
    # 返回旋转后的图像
    return rotated

4. 图像缩放增强

import cv2
import numpy as np

def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
    # 获取图像尺寸
    (h, w) = image.shape[:2]
    # 如果宽度和高度都为空，则返回原图像
    if width is None and height is None:
        return image
    # 如果宽度为空，则根据高度计算宽度
    if width is None:
        r = height / float(h)
        dim = (int(w * r), height)
    # 如果高度为空，则根据宽度计算高度
    else:
        r = width / float(w)
        dim = (width, int(h * r))
    # 缩放图像
    resized = cv2.resize(image, dim, interpolation=inter)
    # 返回缩放后的图像
    return resized

以上是一些常用的数据增强技术的Python代码示例，可以根据具体需求进行调整和组合。