1. Augmentor
Augmentor is an image augmentation library in Python for machine learning. It aims to be a standalone library that is platform and framework independent, which is more convenient, allows for finer grained control over augmentation, and implements the most real-world relevant augmentation techniques. It employs a stochastic approach using building blocks that allow for operations to be pieced together in a pipeline.
Augmentor是Python中用于机器学习的图像增强库。它的目标是成为一个独立于平台和框架的独立库，这更方便，允许对增强进行更精细的控制，并实现最真实的相关增强技术。它采用随机方法，使用构建块，允许在管道中将操作拼凑在一起。
Augmentor的目的是自动化图像增强（人工数据生成），以便扩展数据集作为机器学习算法的输入，尤其是神经网络和深度学习。
该包的工作原理是构建扩充管道，您可以在其中定义一系列要对一组图像执行的操作。旋转或转换等操作将逐个添加以创建扩充管道：完成后，可以执行管道并创建增强数据集。
一句话：使用Augmentor创建一个对象，向对象里添加各种带有概率值和参数的图像操作，使用该对象处理你的原始图像。
安装：pip install Augmentor
GitHub源码
帮助文档
2. 数据增强代码
# 导入数据增强工具
import Augmentor
# 确定原始图像存储路径以及掩码mask文件存储路径
p = Augmentor.Pipeline("demo1")
p.ground_truth("demo2")
# 图像旋转：按照概率0.8执行，最大左旋角度10，最大右旋角度10
# rotate操作默认在对原图像进行旋转之后进行裁剪，输出与原图像同样大小的增强图像
p.rotate(probability=0.8, max_left_rotation=10, max_right_rotation=10)
# 图像上下镜像： 按照概率0.5执行
p.flip_top_bottom(probability=0.5)
# 图像左右镜像： 按照概率0.5执行
p.flip_left_right(probability=0.5)
# 图像等比缩放，按照概率1执行，整个图片放大，像素变多
# p.scale(probability=1, scale_factor=1.3)
# 图像放大：放大后像素不变，先根据percentage_area放大，后按照原图像素大小进行裁剪
# 按照概率0.4执行，面积为原始图0.9倍
p.zoom_random(probability=0.4, percentage_area=0.9)
# 最终扩充的数据样本数
p.sample(200)
demo1文件夹下的output文件包含最终扩充的数据样本数的所有文件
3. 问题解决
output文件只有原图的增强，只有demo1中原图的数据增强文件，没有demo2中的mask文件的数据增强文件
原因：demo1和demo2中的文件，文件名不一致，需修改为文件名及扩展名都一致。
