下面简单记录测试了部分数据增强案例，具体原理可以见参考资料，这里不作介绍。
import cv2 import numpy as np import math def Img_Show(img): cv2.imshow("img", img) cv2.waitKey(0) cv2.destroyAllWindows()
1. 旋转、平移、缩放
img = cv2.imread("./photo/cow.jpg") h, w = img.shape[0], img.shape[1] r_img = cv2.warpAffine(src = img, # 原图像 # 仿射变换的旋转矩阵参数 M = cv2.getRotationMatrix2D(center=(w // 2, h // 2), angle=-30, scale=0.5), dsize = (w, h), # 原尺寸大小（注意这里的顺序是相反的） borderValue = (0, 0, 0)) # 填充值 Img_Show(r_img)
旋转、平移、缩放后图像：
2. 错切
img = cv2.imread("./photo/cow.jpg") h, w = img.shape[0], img.shape[1] angle = 30 # 水平错切 mh = np.eye(3) mh[0, 1] = np.tan(np.radians(angle)) hh, wh = h, w+h*mh[0, 1] # 根据三角函数关系对长宽进行补充 imgh = cv2.warpAffine(src = img, # 原图像 M = mh[:2], # 水平错切 dsize = (int(wh), int(hh)), # 原尺寸大小（注意这里的顺序是相反的） borderValue = (0, 0, 0)) # 填充值 Img_Show(imgh) # 竖直错切 mv = np.eye(3) mv[1, 0] = np.tan(np.radians(angle)) hv, wv = h+w*mv[1, 0], w # 根据三角函数关系对长宽进行补充 imgv = cv2.warpAffine(src = img, # 原图像 M = mv[:2], # 竖直错切 dsize = (int(wv), int(hv)), # 原尺寸大小（注意这里的顺序是相反的） borderValue = (0, 0, 0)) # 填充值 Img_Show(imgv) # 同时错切 mb = np.eye(3) mb[0, 1] = np.tan(np.radians(angle)) mb[1, 0] = np.tan(np.radians(angle)) hb, wb = h+w*mv[1, 0], w+h*mh[0, 1] imgb = cv2.warpAffine(src = img, # 原图像 M = mb[:2], # 竖直错切 dsize = (int(wb), int(hb)), # 原尺寸大小（注意这里的顺序是相反的） borderValue = (0, 0, 0)) # 填充值 Img_Show(imgb)
水平错切30°图像：
竖直错切30°图像：
两个方向同时错切30°图像：
3. 随机增强图像HSV
def augment_hsv(img, h_gain=0.5, s_gain=0.5, v_gain=0.5): r = np.random.uniform(-1, 1, 3) * [h_gain, s_gain, v_gain] + 1 # random gains hue, sat, val = cv2.split(cv2.cvtColor(img, cv2.COLOR_BGR2HSV)) dtype = img.dtype # uint8 # 分别针对hue, sat以及val生成对应的Look-Up Table（LUT）查找表 x = np.arange(0, 256, dtype=np.int16) lut_hue = ((x * r[0]) % 180).astype(dtype) lut_sat = np.clip(x * r[1], 0, 255).astype(dtype) lut_val = np.clip(x * r[2], 0, 255).astype(dtype) # 使用cv2.LUT方法利用刚刚针对hue, sat以及val生成的Look-Up Table进行变换 img_hsv = cv2.merge((cv2.LUT(hue, lut_hue), cv2.LUT(sat, lut_sat), cv2.LUT(val, lut_val))).astype(dtype) aug_img = cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR) return aug_img img = cv2.imread("./photo/cow.jpg") img_hsv = augment_hsv(img) Img_Show(img) Img_Show(img_hsv)
原始图像：
数据增强后图像：
参考资料：
数据增广：旋转，缩放，平移以及错切
HSV模型简介以及利用HSV模型随机增强图像
