在某些場景下的目標檢測中，樣本數量較小，導致檢測的效果比較差，這時就需要進行數據擴增。本文介紹常用的6類數據擴增方式，包括裁剪、平移、改變亮度、加入噪聲、旋轉角度以及鏡像。
每一部分的參考資料也附在代碼的介紹位置，大家可以參考。
裁剪（需要改變bbox）：裁剪后的圖片需要包含所有的框，否則會對圖像的原始標注造成破壞。
def _crop_img_bboxes(self,img,bboxes):
'''
裁剪后圖片要包含所有的框
輸入：
img：圖像array
bboxes：該圖像包含的所有boundingboxes，一個list，每個元素為[x_min,y_min,x_max,y_max]
要確保是數值
輸出：
crop_img：裁剪后的圖像array
crop_bboxes：裁剪后的boundingbox的坐標，list
'''
#------------------ 裁剪圖像 ------------------
w = img.shape[1]
h = img.shape[0]
x_min = w
x_max = 0
y_min = h
y_max = 0
for bbox in bboxes:
x_min = min(x_min, bbox[0])
y_min = min(y_min, bbox[1])
x_max = max(x_max, bbox[2])
y_max = max(y_max, bbox[3])
name = bbox[4]
# 包含所有目標框的最小框到各個邊的距離
d_to_left = x_min
d_to_right = w - x_max
d_to_top = y_min
d_to_bottom = h - y_max
# 隨機擴展這個最小范圍
crop_x_min = int(x_min - random.uniform(0, d_to_left))
crop_y_min = int(y_min - random.uniform(0, d_to_top))
crop_x_max = int(x_max + random.uniform(0, d_to_right))
crop_y_max = int(y_max + random.uniform(0, d_to_bottom))
# 確保不出界
crop_x_min = max(0, crop_x_min)
crop_y_min = max(0, crop_y_min)
crop_x_max = min(w, crop_x_max)
crop_y_max = min(h, crop_y_max)
crop_img = img[crop_y_min:crop_y_max, crop_x_min:crop_x_max]
#------------------ 裁剪bounding boxes ------------------
crop_bboxes = list()
for bbox in bboxes:
crop_bboxes.append([bbox[0]-crop_x_min, bbox[1]-crop_y_min,
bbox[2]-crop_x_min, bbox[3]-crop_y_min,name])
return crop_img, crop_bboxes
平移（需要改變bbox）：平移后的圖片需要包含所有的框，否則會對圖像的原始標注造成破壞。
def _shift_pic_bboxes(self, img, bboxes):
'''
平移后需要包含所有的框
參考資料：https://blog.csdn.net/sty945/article/details/79387054
輸入：
img：圖像array
bboxes：該圖像包含的所有boundingboxes，一個list，每個元素為[x_min,y_min,x_max,y_max]
要確保是數值
輸出：
shift_img：平移后的圖像array
shift_bboxes：平移后的boundingbox的坐標，list
'''
#------------------ 平移圖像 ------------------
w = img.shape[1]
h = img.shape[0]
x_min = w
x_max = 0
y_min = h
y_max = 0
for bbox in bboxes:
x_min = min(x_min, bbox[0])
y_min = min(y_min, bbox[1])
x_max = max(x_max, bbox[2])
y_max = max(x_max, bbox[3])
name = bbox[4]
# 包含所有目標框的最小框到各個邊的距離，即每個方向的最大移動距離
d_to_left = x_min
d_to_right = w - x_max
d_to_top = y_min
d_to_bottom = h - y_max
#在矩陣第一行中表示的是[1,0,x],其中x表示圖像將向左或向右移動的距離，如果x是正值，則表示向右移動，如果是負值的話，則表示向左移動。
#在矩陣第二行表示的是[0,1,y],其中y表示圖像將向上或向下移動的距離，如果y是正值的話，則向下移動，如果是負值的話，則向上移動。
x = random.uniform(-(d_to_left/3), d_to_right/3)
y = random.uniform(-(d_to_top/3), d_to_bottom/3)
M = np.float32([[1, 0, x], [0, 1, y]])
# 仿射變換
shift_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0])) #第一個參數表示我們希望進行變換的圖片，第二個參數是我們的平移矩陣，第三個希望展示的結果圖片的大小
#------------------ 平移boundingbox ------------------
shift_bboxes = list()
for bbox in bboxes:
shift_bboxes.append([bbox[0]+x, bbox[1]+y, bbox[2]+x, bbox[3]+y, name])
return shift_img, shift_bboxes
改變亮度：改變亮度比較簡單，不需要處理bounding boxes
def _changeLight(self,img):
'''
adjust_gamma(image, gamma=1, gain=1)函數:
gamma>1時，輸出圖像變暗，小於1時，輸出圖像變亮
輸入：
img：圖像array
輸出：
img：改變亮度后的圖像array
'''
flag = random.uniform(0.5, 1.5) ##flag>1為調暗,小於1為調亮
return exposure.adjust_gamma(img, flag)
加入噪聲：加入噪聲也比較簡單，不需要處理bounding boxes
def _addNoise(self,img):
'''
輸入：
img：圖像array
輸出：
img：加入噪聲后的圖像array,由於輸出的像素是在[0,1]之間,所以得乘以255
'''
return random_noise(img, mode='gaussian', clip=True) * 255
旋轉：旋轉后的圖片需要包含所有的框，否則會對圖像的原始標注造成破壞。需要注意的是，旋轉時圖像的一些邊角可能會被切除掉，需要避免這種情況。
def _rotate_img_bboxes(self, img, bboxes, angle=5, scale=1.):
'''
參考：https://blog.csdn.net/saltriver/article/details/79680189
https://www.ctolib.com/topics-44419.html
關於仿射變換：https://www.zhihu.com/question/20666664
輸入:
img:圖像array,(h,w,c)
bboxes:該圖像包含的所有boundingboxs,一個list,每個元素為[x_min, y_min, x_max, y_max],要確保是數值
angle:旋轉角度
scale:默認1
輸出:
rot_img:旋轉后的圖像array
rot_bboxes:旋轉后的boundingbox坐標list
'''
#---------------------- 旋轉圖像 ----------------------
w = img.shape[1]
h = img.shape[0]
# 角度變弧度
rangle = np.deg2rad(angle)
# 計算新圖像的寬度和高度，分別為最高點和最低點的垂直距離
nw = (abs(np.sin(rangle)*h) + abs(np.cos(rangle)*w))*scale
nh = (abs(np.cos(rangle)*h) + abs(np.sin(rangle)*w))*scale
# 獲取圖像繞着某一點的旋轉矩陣
# getRotationMatrix2D(Point2f center, double angle, double scale)
# Point2f center：表示旋轉的中心點
# double angle：表示旋轉的角度
# double scale：圖像縮放因子
#參考：https://cloud.tencent.com/developer/article/1425373
rot_mat = cv2.getRotationMatrix2D((nw*0.5, nh*0.5), angle, scale) # 返回 2x3 矩陣
# 新中心點與舊中心點之間的位置
rot_move = np.dot(rot_mat,np.array([(nw-w)*0.5, (nh-h)*0.5,0]))
# the move only affects the translation, so update the translation
# part of the transform
rot_mat[0,2] += rot_move[0]
rot_mat[1,2] += rot_move[1]
# 仿射變換
rot_img = cv2.warpAffine(img, rot_mat, (int(math.ceil(nw)), int(math.ceil(nh))), flags=cv2.INTER_LANCZOS4) # ceil向上取整
#---------------------- 矯正boundingbox ----------------------
# rot_mat是最終的旋轉矩陣
# 獲取原始bbox的四個中點，然后將這四個點轉換到旋轉后的坐標系下
rot_bboxes = list()
for bbox in bboxes:
x_min = bbox[0]
y_min = bbox[1]
x_max = bbox[2]
y_max = bbox[3]
name = bbox[4]
point1 = np.dot(rot_mat, np.array([(x_min+x_max)/2, y_min,1]))
point2 = np.dot(rot_mat, np.array([x_max, (y_min+y_max)/2, 1]))
point3 = np.dot(rot_mat, np.array([(x_min+x_max)/2, y_max, 1]))
point4 = np.dot(rot_mat, np.array([x_min, (y_min+y_max)/2, 1]))
# 合並np.array
concat = np.vstack((point1, point2,point3,point4)) # 在豎直方向上堆疊
# 改變array類型
concat = concat.astype(np.int32)
# 得到旋轉后的坐標
rx, ry, rw, rh = cv2.boundingRect(concat)
rx_min = rx
ry_min = ry
rx_max = rx+rw
ry_max = ry+rh
# 加入list中
rot_bboxes.append([rx_min, ry_min, rx_max, ry_max,name])
return rot_img, rot_bboxes
鏡像：旋轉后的圖片需要包含所有的框，否則會對圖像的原始標注造成破壞。這里只介紹兩種鏡像方式：水平翻轉和垂直翻轉
# 鏡像
def _flip_pic_bboxes(self, img, bboxes):
'''
參考：https://blog.csdn.net/jningwei/article/details/78753607
鏡像后的圖片要包含所有的框
輸入：
img：圖像array
bboxes：該圖像包含的所有boundingboxs,一個list,每個元素為[x_min, y_min, x_max, y_max],要確保是數值
輸出:
flip_img:鏡像后的圖像array
flip_bboxes:鏡像后的bounding box的坐標list
'''
# ---------------------- 鏡像圖像 ----------------------
import copy
flip_img = copy.deepcopy(img)
if random.random() < 0.5:
horizon = True
else:
horizon = False
h, w, _ = img.shape
if horizon: # 水平翻轉
flip_img = cv2.flip(flip_img, -1)
else:
flip_img = cv2.flip(flip_img, 0)
# ---------------------- 矯正boundingbox ----------------------
flip_bboxes = list()
for bbox in bboxes:
x_min = bbox[0]
y_min = bbox[1]
x_max = bbox[2]
y_max = bbox[3]
name = bbox[4]
if horizon:
flip_bboxes.append([w-x_max, y_min, w-x_min, y_max, name])
else:
flip_bboxes.append([x_min, h-y_max, x_max, h-y_min, name])
return flip_img, flip_bboxes
歡迎關注公眾號：一刻AI，交流與合作
