作爲一個圖像處理，以及計算機視覺領域的一個小兵，在使用深度學習算法的過程中經常需要寫一些圖像增強的simple code。雖然不同的計算框架多多少少的都實現了不同的數據增強方法，但是個人認爲使用起來還不是很方便，難以滿足需求。尤其是涉及到一些相對“複雜”的數據增強手段，例如，物體檢測，關鍵點檢測，語義分割等任務，對圖像做矩陣操作的同時還需要對標註信息做變換。
自己實現的方法用起來也會順手一些，可控性也更高。
所以，自己構建了一個小小的augmentor，主要依賴於opencv和numpy。
下面我們來逐步，看一下這個小小的augmentor。
工程地址git
從pytorch tutorial中下載數據 facedata，
並解壓到工程目錄下：
看一下圖像
依次是原始圖像，旋轉，帶label旋轉，仿射變換，heatmap，img_drop,blur，padding 和mirror。
圖像變換可以插入到你的data flow 的圖像增強管道里，隨着更多的需求，這個小lib會支持更多的圖像變換。
還有一些顏色，對比度等的變化，一般框架都支持，就不在多做重複工作。
原理上也沒有很複雜，只是簡單的矩陣運算，細節以及使用方法，在test.py