第二十一章 数据处理篇：imgaug

参考教程：
https://imgaug.readthedocs.io/en/latest/source/jupyter_notebooks.html

概述

imgaug是一个使用的数据增强工具，不仅提供了常见的形状和颜色的增强方法，还提供了一些特殊的增强方法，比如说针对keypoint和bounding boxes的增强。

imgaug中的大部分增强方法，都要求你的输入图像是uint8的numpy arrays，并且最好是RGB图像。更具体的类型要求可以参考dtype_support.html

接下来我们按照imgaug提供的notebook中的处理顺序，来看一下各种类型的增强方法。

针对图片的增强

首先我们来看一下基础的针对图像的增强方法，我们使用imageio读入一张图片，使用imageio直接读入的图像通道就是按照RGB排列的，如果使用opencv，需要自行转换成RGB。

基础使用样例

imgaug中提供了多种增强方法，并且使用起来很简单，只需要实例化某方法并设定好参数后，再将你的图片传入即可。

以放射变化为例：

我们可以看一下仿射变化的源码：

classimgaug.augmenters.geometric.Affine(scale=None, translate_percent=None, translate_px=None, rotate=None, shear=None, order=1, cval=0, mode='constant', fit_output=False, backend='auto', seed=None, name=None, random_state='deprecated', deterministic='deprecated')

它的输入参数有多个，包括：

1. scale： 缩放
2. translate_percent：平移比例
3. translate_px：平移像素值
4. rotate：旋转角度
5. shear：错切角度

在上面的例子中，我们使用的参数是rotate = （-25，25），意思就是旋转的范围在-25度和25度之间。

也可以将一组图像作为输入，要注意这时输入参数是images而不再是image。

并且imgaug中，images是支持不同大小的图像的。

base class: augment

class imgaug.augmenters.meta.Augmenter(seed=None, name=None, random_state='deprecated', deterministic='deprecated')

基本上各种增强方法都是继承了Augmenter这个类，在刚刚的使用例子中提到如果传参使用image就是增强单张图像，使用images就是多张，我们看看源码具体是如何实现的。那么这就首先要来看Augmenter这个class的__call__()方法。

def __call__