yolov5利用旋转，裁剪扩充数据集代码

以下是使用Python和OpenCV实现YoloV5数据增强的代码，包括旋转和裁剪等操作：

import cv2
import numpy as np
import os

# 旋转图像
def rotate_image(image, angle):
    # 获取图像的高度和宽度
    (h, w) = image.shape[:2]
    # 找到图像的中心点
    center = (w / 2, h / 2)
    # 通过旋转矩阵进行旋转
    M = cv2.getRotationMatrix2D(center, angle, 1.0)
    rotated = cv2.warpAffine(image, M, (w, h))
    # 返回旋转后的图像
    return rotated

# 裁剪图像
def crop_image(image, x, y, w, h):
    cropped = image[y:y+h, x:x+w]
    return cropped

# 扩充数据集
def augment_data(image_path, label_path, output_path):
    # 读取图像和标签数据
    image = cv2.imread(image_path)
    with open(label_path, 'r') as f:
        labels = f.readlines()
    # 对图像进行旋转和裁剪操作
    for i in range(5):
        # 旋转图像
        angle = np.random.randint(-10, 10)
        rotated = rotate_image(image, angle)
        # 裁剪图像
        x = np.random.randint(0, 100)
        y = np.random.randint(0, 100)
        w = np.random.randint(100, 300)
        h = np.random.randint(100, 300)
        cropped = crop_image(rotated, x, y, w, h)
        # 保存扩充后的图像和标签
        filename = os.path.basename(image_path)
        image_name, ext = os.path.splitext(filename)
        output_image_path = os.path.join(output_path, f"{image_name}_{i}{ext}")
        output_label_path = os.path.join(output_path, f"{image_name}_{i}.txt")
        cv2.imwrite(output_image_path, cropped)
        with open(output_label_path, 'w') as f:
            for label in labels:
                f.write(label)

这个代码实现了对输入图像的旋转和裁剪操作，以扩充数据集。对于每个输入图像，将生成5个扩充后的图像，并将它们保存到指定的输出目录中。这个代码可以在YoloV5的训练过程中使用，以提高模型的准确性。