单独利用albumentation进行数据增强-优快云博客

这篇博客介绍了如何使用Python的Albumentations库对图像数据进行增强，包括水平翻转、垂直翻转和旋转180度等操作。通过这些变换，可以生成新的图像数据文件夹，用于提高机器学习模型的训练效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用已有的图像数据文件夹进行数据增强，生成数据增强后的图像数据文件夹

import glob
import cv2
import os

from albumentations import (
    PadIfNeeded,
    HorizontalFlip,    # 随机水平翻转
    VerticalFlip,      # 随机垂直翻转
    Flip,              # 随机翻转
    CenterCrop,
    Crop,
    Compose,
    Transpose,
    RandomRotate90,    # 随机90度旋转
    ElasticTransform,
    GridDistortion,
    OpticalDistortion,
    RandomSizedCrop,   # 随机尺寸裁剪并缩放回原始大小
    OneOf,
    CLAHE,
    RandomBrightnessContrast,
    RandomGamma
)

if __name__ == "__main__":
    old_path = ("C:/Users/sun/Desktop/color")     # 输入img地址
    new_path = ("C:/Users/sun/Desktop/addcolor")  # 输出img地址
    pictures = os.listdir(old_path)
    a = 1
    for picture in pictures:
        old_dir = os.path.join(old_path, picture)
        # cv读入图片
        image = cv2.imread(old_dir)
        # 将图片进行100%的垂直翻转、水平翻转、旋转180°
        h_image = HorizontalFlip(p=1)(image=image)['image']
        v_image = VerticalFlip(p=1)(image=image)['image']
        f_image = Flip(p=1)(image=image)['image']

        # 取出图片的后缀名.jpg 这里os.path.splitext将文件名分开，[1]取出来它的后半部分
        filetype = os.path.splitext(old_dir)[1]
        # 因为这里有三种变换方式，所以给了三种命名
        h_new_dir = os.path.join(new_path, "h_cellcolor" + str(a) + filetype)
        cv2.imwrite(h_new_dir, h_image)
        v_new_dir = os.path.join(new_path, "v_cellcolor" + str(a) + filetype)
        cv2.imwrite(v_new_dir, v_image)
        f_new_dir = os.path.join(new_path, "f_cellcolor" + str(a) + filetype)
        cv2.imwrite(f_new_dir, f_image)
        a = a + 1