1. 加载和显示图片

由于imgaug只处理增强而不是图像输入/输出，我们需要另一个库来加载图像。在Python中，常见的选择是imageio和CV2。然而，CV2.imread()以BGR颜色空间返回图像，而不是RGB，需要重新排序通道轴。后一种方法的缺点是所有可视化函数（例如下面的imgaug.imshow()）仍然需要输入RGB格式。

观察imshow源码后发现，imshow只能输入RGB格式，如果采用imageio读取不用转换通道格式，而使用CV2的话，需要转成RGB格式。其实当使用CV2的时候，ia.imshow()内部还是调用了CV2.imshow()，只不过又把RGB转成了BGR……所以感觉这个ia.imshow()相当鸡肋。

2. 图像增强

imgaug的增强技术是从Augmenter父类派生的。要使用一种增强技术，我们需要用一组参数实例化增强对象。

2.1 仿射变换

Augmenter to apply affine transformations to images.

Affine类是对图片进行仿射变化的增强类，包括平移，旋转，缩放，错切。

如果不传入参数，该类会自动赋值一些变换参数，内部实现如下

几个主要的参数如下：

• scale=None

  缩放因子，1.0表示无变化，0.5表示缩小50%，还支持其他类型的参数以对不同轴做不同变化。

• translate_percent=None

  其中0表示无变化，0.5表示平移图片大小的一半。常用的方式如下：

  x轴随机平移左右平移0~0.1比例，y轴同理上下平移

• translate_px=None

  以像素单位平移，和上面相同。

• rotate=None

  旋转取值范围在[-360,360]，如果是元组，例如（30，60），会在范围内随机均匀采样。如果是列表，随机取列表中的某个值。

• shear=None

• 错切角度在[-360,360]，但是合适的范围在[-45,45]

• order=1

  插值方法，0表示最近邻，1表示双线性，常用的是这两个，还有其他方法。

• cval=0

  mode="constant"时要填充的常数值，输入元组代表范围取值，列表代表随机取值。

• mode="constant"

  填充新创建的像素时要使用的模式，默认用常数填充。
  

• fit_output=False

  经过一些仿射变化后，图像的一些边缘可能就会丢失，如果将该参数设置为True，那么整张图片会完整的显示出来，但是此时图像大小会发生改变。如果不想图像大小发生变化，用ia.augmenters.size.KeepSizeByResize包裹增强对象即可。

以上输入的参数类型大致分为三类，数字，元组，列表，字典。其中数字就是对应的值，元组就是在这个范围内部均匀随机采样，列表就是随机采样列表值，字典可以针对x轴和y轴做不同变化，字典key对应的value可以是数字，元组，列表类型。此外，还有一种随机数类型，这里不做介绍。

2.2 批量增强

imgaug支持批量图片的增强，如果这批图片的大小不一，那么只能使用数组，如果图片大小相同例如一批图片为[B,H,W,C]，可以使用numpy张量格式，速度上会更快一些。

注意这里传入的参数是images。

2.3 同时使用多种增强

我们可以使用Sequential来整合一系列增强对象，这和pytorch里面的nn.Sequential有异曲同工之妙。如果希望增强不是按照定义的顺序而是随机，可以设置random_order=True。

其他的类似方法还有：

• SomeOf表示选取给定增强中的某些增强；

• OneOf表示只应用所有给定增强中的一个；

• Sometimes按概率随机增强；