imgaug的使用

1、安装

直接用pip install imgaug会报错，因为shapely没有找到，所以先要安装Shapely，直接pip也会报错，有可能会是：OSError: [WinError 126] 找不到指定的模块

解决办法是：

https://www.lfd.uci.edu/~gohlke/pythonlibs/

从连接中找到Shaply，下载对应自己python的版本

之后在文件的目录下，pip install 对应版本的.whl文件

之后

pip install git+https://github.com/aleju/imgaug #从github安装

或者
pip install imgaug

安装就绪之后就可使用

在使用过程中，可能会碰到numpy中找不到某些模块，我在使用时事bit_generate模块找不到，np.random.bit_generator，但是查看了numpy的代码，确实有这个模块，找不到问题所在，可能就是版本不对应，不太想在这里浪费太多时间，于是就

pip uninstall numpy

然后重新装了numpy就可以了。

2、使用

imgaug的说明文档：

https://imgaug.readthedocs.io/en/latest/source/examples_bounding_boxes.html

#标准用例
from imgaug import augmenters as iaa

seq = iaa.Sequential([
    iaa.Crop(px=(0, 16)), # 从图像的每条边随机裁剪0-16个像素
    iaa.Fliplr(0.5), # 将50%的图像进行水平翻转
    iaa.GaussianBlur(sigma=(0, 3.0)) # sigma0-3.0的高斯模糊
])

#一个batch读取1000张图片
for batch_idx in range(1000):
    # images格式是4D numpy array ： (N, height, width, channels)（图像个数、高、宽、通道数）
    # 或者是3D numpy arrays： (height, width, channels).
    # 灰度图是 (height, width, 1) .
    # 所有images 数据必须是uint8类型，大小在0到255之间
    images = load_batch(batch_idx) #加载图片
    images_aug = seq(images=images) #对图片进行增强
    #train_on_images(images_aug)  #其他的一些对增强后的图片操作

#裁剪、仿射、模糊、噪声等处理


import numpy as np
import imgaug as ia
import imgaug.augmenters as iaa
import imageio
import cv2


ia.seed(1)


# 示例是array (32, 64, 64, 3) uint8类型的.
#ia.quokka:以numpy数组的形式返回quokka（无尾熊）的图像。
images = np.array(
    [ia.quokka(size=(64, 64)) for _ in range(32)],
    dtype=np.uint8
)



seq = iaa.Sequential([
    iaa.Fliplr(0.5), # 水平翻转
    iaa.Crop(percent=(0, 0.1)), # 随机裁剪，裁剪的大小是0-10%

    # 对50%的图像进行高斯模糊，sigma值为0-0.5
    iaa.Sometimes(0.5,
        iaa.GaussianBlur(sigma=(0, 0.5))
    ),

    # 增强或减弱每张图的对比度
    iaa.ContrastNormalization((0.75, 1.5)),

    # 增加高斯噪声
    # 对50%的图像，我们对每个像素进行一次噪声采样
    # 对剩余的50%的图像进行每个像素和通道的noise，这样的操作会改变每个像素的颜色（不仅仅是亮度）
    iaa.AdditiveGaussianNoise(loc=0, scale=(0.0, 0.05*255), per_channel=0.5),

    # 将一些图像调亮，一些图像调暗
    # 对20%的图像，我们对每个通道multiply采样一次
    iaa.Multiply((0.8, 1.2), per_channel=0.2),

    # 将仿射变换应用于每个图像缩放、平移/移动、旋转和剪切。
    iaa.Affine(
        scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},
        translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},
        rotate=(-25, 25),
        shear=(-8, 8)
    )
], random_order=True) # 按随机顺序进行增强

images_aug = seq(images=images)