imgaug机器学习图像增强

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。（0 extra lines of code）
• 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