基于TensorFlow的图片数据增强代码实现

TensorFlow常用的数据增强主要分为3部分：裁剪、翻转、变色

另外还可以用过opencv实现图片的旋转 和 仿射变换

第一部分裁剪：

（1）如果目标图像尺寸小于原始图像尺寸，则在中心位置剪裁，反之则用黑色像素进行填充。

image = tf.image.resize_image_with_crop_or_pad(img, target_height, target_width)

（2）在图片随机裁剪一块

image = tf.random_crop(img, [target_height, target_width, img_channel])

（3）在图片规定位置处裁剪

image = tf.image.crop_to_bounding_box(image,offset_height,offset_width,target_height,target_width)

其中：返回图像的左上角位于image的offset_height, offset_width, 右下角处于offset_height + target_height, offset_width + target_width.

第二部分翻转：

（1）通过交换高度和宽度维度来转置图像

image = tf.image.transpose_image(img)

（2）左右翻转

image = tf.image.flip_left_right(img)

（3）上下翻转

image = tf.image.flip_up_down(img)

（4）随机左右翻转

image = tf.image.random_flip_left_right(img)

第三部分变色：

tf.image.adjust_contrast()            对比度

tf.image.adjust_gamma()            gamma

tf.image.adjust_hue()                  色相

tf.image.adjust_saturation()        饱和度

PS：

#  标准化 将图像的像素值转化成零均值和单位方差
standardization = tf.image.per_image_standardization(img_data)

import os
import cv2
import numpy as np
import tensorflow as tf

data_path = os.path.join('augment_test', 'ICVF')
all_dir = os.listdir(data_path)  # 返回指定的文件夹包含的文件或文件夹的名字的列表
num = 0
with tf.Session() as sess:
    for dir in all_dir:
        dir_path = os.path.join(data_path, dir)  # 这种写法适合多分类问题，有很多文件夹
        img_list = os.listdir(dir_path)  # 得到单个子文件夹里所有的图片名字
        for img_name in img_list:  # 开始对每个图片开始操作
            img_name_split = img_name.split('.')  # 只留下图片的名字，为后期重命名做准备
            img_path = os.path.join(dir_path, img_name)  # 把地址对准到单个图片的地址
            img = cv2.imread(img_path)
            num = num + 1
            image1 = tf.image.flip_left_right(img)
            image2 = tf.image.flip_up_down(img)
            image3 = tf.image.resize_image_with_crop_or_pad(img, 80, 80)
            image1 = np.asarray(image1.eval(), dtype='uint8')
            image2 = np.asarray(image2.eval(), dtype='uint8')
            image3 = np.asarray(image3.eval(), dtype='uint8')
            save_path_image1 = os.path.join(dir_path, img_name_split[0] + '_image1' + '.bmp')
            save_path_image2 = os.path.join(dir_path, img_name_split[0] + '_image2' + '.bmp')
            save_path_image3 = os.path.join(dir_path, img_name_split[0] + '_image3' + '.bmp')
            cv2.imwrite(save_path_image1, image1)
            cv2.imwrite(save_path_image2, image2)
            cv2.imwrite(save_path_image3, image3)