基于imgaug做图像分割的数据增强

本文主要是介绍基于imgaug做图像分割的数据增强，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

引言

• 做图像分割时，总是会想到做数据增强，往往是基于PyTorch或者Tensorflow框架，但是这些框架仅仅支持基本的数据增强操作，例如只对图像的旋转、反转等。
• 如果想要对图像分割数据集做数据增强，就要用到第三方库或者自己写一个轮子也可以的。
• 我这里推荐使用imgaug库

图像分割增强示例demo

• 示例图(图像来自同花顺举办比赛:文档图片表格结构识别算法)：

  • table_img.jpg:
  • mask_0.jpg:
    

• 具体代码：

  import cv2
  import imgaug as ia
  import imgaug.augmenters as iaa
  from imgaug.augmentables.segmaps import SegmentationMapsOnImageimage = cv2.imread('table_img.jpg')
  segmap = cv2.imread('mask_0.jpg')# Here, we arbitrarily place some squares on the image.
  # Class 0 is our intended background class.
  segmap = SegmentationMapsOnImage(segmap, shape=image.shape)# Define our augmentation pipeline.
  seq = iaa.SomeOf((1, 3), [iaa.Dropout([0.05, 0.2]),      # drop 5% or 20% of all pixelsiaa.Sharpen((0.0, 1.0)),       # sharpen the imageiaa.Affine(rotate=(-45, 45)),  # rotate by -45 to 45 degrees (affects segmaps)iaa.ElasticTransformation(alpha=2, sigma=1)  # apply water effect (affects segmaps)
  ])# Augment images and segmaps.
  for i in range(4):# 经过这行代码之后，就可以分别拿到增强后的原图和分割图，就可以和自己代码做整合了images_aug_i, segmaps_aug_i = seq(image=image, segmentation_maps=segmap)cv2.imwrite(f'aug_img_{i}.jpg', images_aug_i)cv2.imwrite(f'aug_{i}.jpg', segmaps_aug_i.arr)
  

写在最后

• 本文只是抛砖引玉，给出具体使用imgaug库做图像分割数据增强的小例子，便于大家举一反三。

这篇关于基于imgaug做图像分割的数据增强的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---