imgaug是一个用于机器学习实验中图像增强的库。它支持广泛的增强技术，允许轻松组合这些技术并以随机顺序或在多个CPU内核上执行它们；具有简单而强大的随机界面，不仅可以增强图像，还可以增强关键点/地标、边界框、热图和分割图。
特性：
许多增强技术例如仿射变换、透视变换、对比度变化、高斯噪声、区域丢失、色调/饱和度变化、裁剪/填充、模糊……为高性能而优化易于仅对某些图像应用增强易于以随机顺序应用增强支持图像（完全支持uint8，其他dtypes可参阅文档）热图(float32)、分割图(int)、面具(bool)可能比相应的图像小/大。例如裁剪不需要额外的代码行。关键点/地标（整数/浮点坐标）边界框（整数/浮点坐标）多边形（整数/浮点坐标）线串（整数/浮点坐标）采样随机值的自动对齐示例：通过从uniform(-10°,45°)中采样的相同值旋转图像和分割图。（0extralinesofcode）概率分布作为参数示例：通过从uniform(-10°,45°)中采样的值旋转图像。示例：通过从ABS(N(0,20.0))*(1+B(1.0,1.0))“中采样的值旋转图像，其中ABS(.)是绝对函数、N(.)高斯分布和B(.)beta分布。许多辅助功能示例：绘制热图、分割图、关键点、边界框……示例：缩放分割图、图像/地图的平均/最大池、将图像填充到纵横比（例如对它们进行平方）示例：将关键点转换为距离图，从图像中提取边界框内的像素，将多边形裁剪到图像平面，...支持在多个CPU内核上进行扩充
评论