在之前的文章中，分别对数据增强的库函数进行了介绍，本文将结合实际应用进行批量图片的数据增强。

背景：项目采集的是灰度图，原数据只有不到20张图片，因此，选择数据增强的方法，通过不同变换方法的组合，实现数据增加的百张以上，这样才可以放入深度学习模型进行训练（利用迁移学习）。

话不多说，直接上代码，在代码中解释用到的变换操作。

1 单核方法

#!usr/bin/python
# -*- coding: utf-8 -*-
import cv2
from imgaug import augmenters as iaa
import os

class MyAugMethod():

    def __init__(self):
        self.seq = iaa.Sequential()
        self.imglist_name = []
        self.imglist = []

    # 遍历输入文件夹，返回所有图片名称
    def show_path_file(self, inputpath, all_files_name, all_files):
        # 首先遍历当前目录所有文件及文件夹
        file_list = os.listdir(inputpath)
        # 保存图片文件的目录
        last_path = inputpath
        # 准备循环判断每个元素是否是文件夹还是文件，
        # 是文件的话，把名称传入list，是文件夹的话，递归
        for filename in file_list:
            # 利用os.path.join()方法取得路径全名，并存入cur_path变量
            # 否则每次只能遍历一层目录
            cur_path = os.path.join(inputpath, filename)
            # 判断是否是文件夹
            if os.path.isdir(cur_path):
                last_path = cur_path
                self.show_path_file(cur_path, all_files_name, all_files)
            else:
                filename = os.path.join(last_path, filename)
                all_files_name.append(filename)
                all_files.append(cv2.imread(filename))   

    # 定义增强的方法
    def aug_method(self):
        # 给指定的方法设置对应比例
        # 如Sometimes(0.5, GaussianBlur(0.3))表示每两张图片做一次模糊处理
        sometimes = lambda aug: iaa.Sometimes(0.5, aug)
        
        # 定义一组变换方法.
        self.seq = iaa.Sequential([
            # 选择0到5种方法做变换
            iaa.SomeOf((0, 5),
                [                                        
                    # 将图像进行超分辨率，每幅图采样20到200个像素，
                    # 替换其中的一些值，但不会使用平均值来替换所有的超像素
                    sometimes(
                        iaa.Superpixels(
                            p_replace=(0, 1.0),
                            n_segments=(20, 200)
                        )
                    ),

                    # 使用不同的模糊方法来对图像进行模糊处理
                    # 高斯滤波
                    # 均值滤波
                    # 中值滤波
                    iaa.OneOf([
                        iaa.GaussianBlur((0, 3.0)),
                        iaa.AverageBlur(k=(2, 7)),
                        iaa.MedianBlur(k=(3, 11)),
                    ]),

                    # 对图像进行锐化处理，alpha表示锐化程度
                    iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)),

                    # 与sharpen锐化效果类似，但是浮雕效果
                    iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),

                    # 添加高斯噪声
                    iaa.AdditiveGaussianNoise(
                        loc=0, scale=(0.0, 0.05*255)
                    ),

                    # 每个像素增加（-10,10）之间的像素值
                    iaa.Add((-10, 10), per_channel=0.5),

                    # 将-40到40之间的随机值添加到图像中，每个值按像素采样
                    iaa.AddElementwise((-40, 40)),

                    # 改变图像亮度（原值的50-150%）
                    iaa.Multiply((0.5, 1.5)),

                    # 将每个像素乘以0.5到1.5之间的随机值.
                    iaa.MultiplyElementwise((0.5, 1.5)),

                    # 增强或弱化图像的对比度.
                    iaa.ContrastNormalization((0.5, 2.0)),                
                ],
                # 按随机顺序进行上述所有扩充
                random_order=True
            )
        
        ],random_order=True) 

    # 增强函数
    def aug_data(self, inputpath, times):
        # 获得输入文件夹中的文件列表
        self.show_path_file(inputpath, self.imglist_name, self.imglist)
        # 实例化增强方法
        self.aug_method()
        #对文件夹中的图片进行增强操作，循环times次
        for count in range(times):
            print("aug data for {} times ".format(count))
            images_aug = self.seq.augment_images(self.imglist)
            for index in range(len(images_aug)):
                filename = self.imglist_name[index].split(".jpg", 1)[0]
                filename = filename + "_" + str(count) +'.jpg'
                #保存图片
                cv2.imwrite(filename, images_aug[index])
                # print('image of count%s index%s has been writen'%(count,index))	

if __name__ == "__main__":
    # 图片文件相关路径
    inputpath = './data/test'
    times = 3
    test = MyAugMethod()
    test.aug_data(inputpath, times)

2 多核方法

（待完成……）

通过以上代码的操作，可将目标文件夹中的原始图片进行随机变化，选择变化方法组中的0到5种操作，当然，也可以在方法组中添加其它需要的操作，由于我的原图是灰度图，没有涉及到颜色空间的变化，如果是彩色图，可以增加相对应的变化，这样更全面一些。