在某些场景下的目标检测中，样本数量较小，导致检测的效果比较差，这时就需要进行数据扩增。本文介绍常用的6类数据扩增方式，包括裁剪、平移、改变亮度、加入噪声、旋转角度以及镜像。
每一部分的参考资料也附在代码的介绍位置，大家可以参考。
裁剪（需要改变bbox）：裁剪后的图片需要包含所有的框，否则会对图像的原始标注造成破坏。
def _crop_img_bboxes(self,img,bboxes):
'''
裁剪后图片要包含所有的框
输入：
img：图像array
bboxes：该图像包含的所有boundingboxes，一个list，每个元素为[x_min,y_min,x_max,y_max]
要确保是数值
输出：
crop_img：裁剪后的图像array
crop_bboxes：裁剪后的boundingbox的坐标，list
'''
#------------------ 裁剪图像 ------------------
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]
# 包含所有目标框的最小框到各个边的距离
d_to_left = x_min
d_to_right = w - x_max
d_to_top = y_min
d_to_bottom = h - y_max
# 随机扩展这个最小范围
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))
# 确保不出界
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 box in bboxes:
crop_bboxes.append([bbox[0]-crop_x_min, bbox[1]-crop_y_min,
bbox[2]-crop_x_max, bbox[3]-crop_y_max,name])
return crop_img, crop_bboxes
平移（需要改变bbox）：平移后的图片需要包含所有的框，否则会对图像的原始标注造成破坏。
def _shift_pic_bboxes(self, img, bboxes):
'''
平移后需要包含所有的框
参考资料：https://blog.csdn.net/sty945/article/details/79387054
输入：
img：图像array
bboxes：该图像包含的所有boundingboxes，一个list，每个元素为[x_min,y_min,x_max,y_max]
要确保是数值
输出：
shift_img：平移后的图像array
shift_bboxes：平移后的boundingbox的坐标，list
'''
#------------------ 平移图像 ------------------
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]
# 包含所有目标框的最小框到各个边的距离，即每个方向的最大移动距离
d_to_left = x_min
d_to_right = w - x_max
d_to_top = y_min
d_to_bottom = h - y_max
#在矩阵第一行中表示的是[1,0,x],其中x表示图像将向左或向右移动的距离，如果x是正值，则表示向右移动，如果是负值的话，则表示向左移动。
#在矩阵第二行表示的是[0,1,y],其中y表示图像将向上或向下移动的距离，如果y是正值的话，则向下移动，如果是负值的话，则向上移动。
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]])
# 仿射变换
shift_img = cv2.warpAffine(img, M, (img.shape[1], img.shape[0])) #第一个参数表示我们希望进行变换的图片，第二个参数是我们的平移矩阵，第三个希望展示的结果图片的大小
#------------------ 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
改变亮度：改变亮度比较简单，不需要处理bounding boxes
def _changeLight(self,img):
'''
adjust_gamma(image, gamma=1, gain=1)函数:
gamma>1时，输出图像变暗，小于1时，输出图像变亮
输入：
img：图像array
输出：
img：改变亮度后的图像array
'''
flag = random.uniform(0.5, 1.5) ##flag>1为调暗,小于1为调亮
return exposure.adjust_gamma(img, flag)
加入噪声：加入噪声也比较简单，不需要处理bounding boxes
def _addNoise(self,img):
'''
输入：
img：图像array
输出：
img：加入噪声后的图像array,由于输出的像素是在[0,1]之间,所以得乘以255
'''
return random_noise(img, mode='gaussian', clip=True) * 255
旋转：旋转后的图片需要包含所有的框，否则会对图像的原始标注造成破坏。需要注意的是，旋转时图像的一些边角可能会被切除掉，需要避免这种情况。
def _rotate_img_bboxes(self, img, bboxes, angle=5, scale=1.):
'''
参考：https://blog.csdn.net/saltriver/article/details/79680189
https://www.ctolib.com/topics-44419.html
关于仿射变换：https://www.zhihu.com/question/20666664
输入:
img:图像array,(h,w,c)
bboxes:该图像包含的所有boundingboxs,一个list,每个元素为[x_min, y_min, x_max, y_max],要确保是数值
angle:旋转角度
scale:默认1
输出:
rot_img:旋转后的图像array
rot_bboxes:旋转后的boundingbox坐标list
'''
#---------------------- 旋转图像 ----------------------
w = img.shape[1]
h = img.shape[0]
# 角度变弧度
rangle = np.deg2rad(angle)
# 计算新图像的宽度和高度，分别为最高点和最低点的垂直距离
nw = (abs(np.sin(rangle)*h) + abs(np.cos(rangle)*w))*scale
nh = (abs(np.cos(rangle)*h) + abs(np.sin(rangle)*w))*scale
# 获取图像绕着某一点的旋转矩阵
# getRotationMatrix2D(Point2f center, double angle, double scale)
# Point2f center：表示旋转的中心点
# double angle：表示旋转的角度
# double scale：图像缩放因子
#参考：https://cloud.tencent.com/developer/article/1425373
rot_mat = cv2.getRotationMatrix2D((nw*0.5, nh*0.5), angle, scale) # 返回 2x3 矩阵
# 新中心点与旧中心点之间的位置
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]
# 仿射变换
rot_img = cv2.warpAffine(img, rot_mat, (int(math.ceil(nw)), int(math.ceil(nh))), flags=cv2.INTER_LANCZOS4) # ceil向上取整
#---------------------- 矫正boundingbox ----------------------
# rot_mat是最终的旋转矩阵
# 获取原始bbox的四个中点，然后将这四个点转换到旋转后的坐标系下
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]))
# 合并np.array
concat = np.vstack((point1, point2,point3,point4)) # 在竖直方向上堆叠
# 改变array类型
concat = concat.astype(np.int32)
# 得到旋转后的坐标
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
镜像：旋转后的图片需要包含所有的框，否则会对图像的原始标注造成破坏。这里只介绍两种镜像方式：水平翻转和垂直翻转
# 镜像
def _flip_pic_bboxes(self, img, bboxes):
'''
参考：https://blog.csdn.net/jningwei/article/details/78753607
镜像后的图片要包含所有的框
输入：
img：图像array
bboxes：该图像包含的所有boundingboxs,一个list,每个元素为[x_min, y_min, x_max, y_max],要确保是数值
输出:
flip_img:镜像后的图像array
flip_bboxes:镜像后的bounding box的坐标list
'''
# ---------------------- 镜像图像 ----------------------
import copy
flip_img = copy.deepcopy(img)
if random.random() < 0.5:
horizon = True
else:
horizon = False
h, w, _ = img.shape
if horizon: # 水平翻转
flip_img = cv2.flip(flip_img, -1)
else:
flip_img = cv2.flip(flip_img, 0)
# ---------------------- 矫正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