前言

        参加了“智蔗见智·向新而生”广西第二届人工智能大赛，但是他给的数据集只有不到100张，对于语义分割模型的训练来说实在是杯水车薪，我们队的处理方案是：先按照十字架方式裁剪图片，之后再进行3个角度的翻转，一系列数据增强的操作了数据集的数量是原来的4*4=16倍，已经可以满足模型的训练要求！而本文正是记录旋转这个数据增强的方式。

记录按十字架裁剪图片方式如下链接：

十字架裁剪图片http://t.csdn.cn/tAXp1

【数据增强】90°、180°和270°翻转图片(*4)

效果展示

旋转之前的图片：

旋转之后的图片：

90° 

180° 

270° 

代码 

 单张图片：

遍历目录：

效果展示

旋转之前的图片：

旋转之后的图片：

90° 

180° 

270° 

成品库

'''
@param:im_path,图片路径，例如：img/test.png
@param:im_name，图片名称，例如：test.png
@param:save_path，保存路径，默认为工作路径
'''

import os
import shutil
from PIL import Image
'''
@param:im_path,图片路径，例如：img/test.png
@param:im_name，图片名称，例如：test.png
@param:save_path，保存路径，默认为工作路径
'''
def strong_dataset(im_path, im_name, save_path=''):
   im = Image.open(im_path)
   part1_im = im.transpose(Image.ROTATE_90)
   part1_im.save(os.path.join(save_path, '90_'+im_name))
   part2_im = im.transpose(Image.ROTATE_180)
   part2_im.save(os.path.join(save_path, '180_'+im_name))
   part3_im = im.transpose(Image.ROTATE_270)
   part3_im.save(os.path.join(save_path, '270_'+im_name))

 1.单张图片处理代码：

import os
import shutil
from PIL import Image

def strong_dataset(im_path, im_name, save_path=''):
   im = Image.open(im_path)
   part1_im = im.transpose(Image.ROTATE_90)
   part1_im.save(os.path.join(save_path, '90_'+im_name))
   part2_im = im.transpose(Image.ROTATE_180)
   part2_im.save(os.path.join(save_path, '180_'+im_name))
   part3_im = im.transpose(Image.ROTATE_270)
   part3_im.save(os.path.join(save_path, '270_'+im_name))

if __name__ == "__main__":
    strong_dataset('img/test.png', 'test.png', save_path='img')

2.遍历目录图片代码：

import os
import shutil
from PIL import Image

def strong_dataset(im_path, im_name, save_path=''):
   im = Image.open(im_path)
   part1_im = im.transpose(Image.ROTATE_90)
   part1_im.save(os.path.join(save_path, '90_'+im_name))
   part2_im = im.transpose(Image.ROTATE_180)
   part2_im.save(os.path.join(save_path, '180_'+im_name))
   part3_im = im.transpose(Image.ROTATE_270)
   part3_im.save(os.path.join(save_path, '270_'+im_name))

if __name__ == '__main__':
    # 遍历一个文件夹所有的图片进行旋转，并且保存
    ori_path = r'VOCdevkit\VOC2007\JPEGImages'
    for ori_name in os.listdir(ori_path):
        temp = os.path.join(ori_path, ori_name)
        strong_dataset(temp, ori_name, save_path=ori_path)


        

3.输出说明 

'''
假设：你有这样一张图片 test.png
那么裁剪后将保存为

90_test.png 
180_test.png 
270_test.png 
原图片不会删除！
'''

完毕！

如果大家觉得有用，欢迎三连~