打通图像增强tensorflow版Unet_v2代码_u-net用于图像增强的代码-优快云博客

# 数据生成器对象
		self.datagen = ImageDataGenerator(
							        rotation_range=0.2, # 随机旋转度数
							        width_shift_range=0.05, # 随机水平平移
							        height_shift_range=0.05, # 随机竖直平移
							        shear_range=0.05, # 随机错切变换
							        zoom_range=0.05,  # 随机放大
							        horizontal_flip=True, # 水平翻转
							        fill_mode='nearest') # 填充方式

Augmentation函数

合并train与label图片，save到merge路径下

(0.tif)

doAugmentate函数

增强一张图片，其中imgnum为一张图片增强后的结果图片有几张，保存到aug_merge中

（这里的图片是Augmentation函数后的merge图片，所以也是对merge图片进行增强，输出的结果图片也是merge的）

以下都以增强两次即imgnum=2为例

0_0_3144.tif 0_0_5058.tif

splitMerge函数

将aug_merge中增强过的merge图片分开为aug_train与aug_label

0_0_3144_train.tif 0_0_5058_train.tif

0_0_3144_label.tif 0_0_5058_label.tif

保存到.npy模型文件

与v1版的文件路径、文件名和加载方式有较大区别，

文件路径：aug_train和aug_label下分0-29文件夹分别存储增强后的图像

create_train_data中

imgs = glob.glob(self.data_path+"/*/*."+self.img_type) # 添加/*
imgs.sort(key=lambda x: int(x.split('/')[4][:-10])) #3，-4更改为4，-10

文件名：从单纯的0.tif变成0_0_3144_label.tif，所以在匹配上花了些时间

create_train_data中

		for imgname in imgs:
			midname = imgname[23:imgname.rindex("_")] #[imgname.rindex("/")+1:]更改为[23:32]
			img = load_img(self.data_path + "/" + midname + "_train.tif",grayscale = True)
			label = load_img(self.label_path + "/" + midname + "_label.tif",grayscale = True)
			img = img_to_array(img)
			label = img_to_array(label)
			
			imgdatas[i] = img
			imglabels[i] = label
			if i % 100 == 0:
				print('Done: {0}/{1} train'.format(i, len(imgs)))
			i += 1

完整代码

data.py

from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
import numpy as np 
import os
import glob
import cv2
#from libtiff import TIFF

class myAugmentation(object):
	
	"""
	一个用于图像