Keras中ImageDataGenerator函數的參數有什么用

小編給大家分享一下Keras中ImageDataGenerator函數的參數有什么用，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

一、Keras ImageDataGenerator參數

from keras.preprocessing.image import ImageDataGenerator
keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
  samplewise_center=False,
  featurewise_std_normalization = False,
  samplewise_std_normalization = False,
  zca_whitening = False,
  rotation_range = 0.,
  width_shift_range = 0.,
  height_shift_range = 0.,
  shear_range = 0.,
  zoom_range = 0.,
  channel_shift_range = 0.,
  fill_mode = 'nearest',
  cval = 0.0,
  horizontal_flip = False,
  vertical_flip = False,
  rescale = None,
  preprocessing_function = None,
  data_format = K.image_data_format(),
)

featurewise_center：布爾值，使輸入數據集去中心化（均值為0）, 按feature執行。

samplewise_center：布爾值，使輸入數據的每個樣本均值為0。

featurewise_std_normalization：布爾值，將輸入除以數據集的標準差以完成標準化, 按feature執行。

samplewise_std_normalization：布爾值，將輸入的每個樣本除以其自身的標準差。

zca_whitening：布爾值，對輸入數據施加ZCA白化。

rotation_range：整數，數據提升時圖片隨機轉動的角度。隨機選擇圖片的角度，是一個0~180的度數，取值為0~180。 在 [0, 指定角度] 范圍內進行隨機角度旋轉。

width_shift_range：浮點數，圖片寬度的某個比例，數據提升時圖片隨機水平偏移的幅度。

height_shift_range：浮點數，圖片高度的某個比例，數據提升時圖片隨機豎直偏移的幅度。 height_shift_range和width_shift_range是用來指定水平和豎直方向隨機移動的程度，這是兩個0~1之間的比例。

shear_range：浮點數，剪切強度（逆時針方向的剪切變換角度）。是用來進行剪切變換的程度。

zoom_range：浮點數或形如[lower,upper]的列表，隨機縮放的幅度，若為浮點數，則相當于[lower,upper] = [1 - zoom_range, 1+zoom_range]。用來進行隨機的放大。（后面的例子與此處說法有矛盾，感覺后邊是對的？）

channel_shift_range：浮點數，隨機通道偏移的幅度。

fill_mode：‘constant'，‘nearest'，‘reflect'或‘wrap'之一，當進行變換時超出邊界的點將根據本參數給定的方法進行處理

cval：浮點數或整數，當fill_mode=constant時，指定要向超出邊界的點填充的值。

horizontal_flip：布爾值，進行隨機水平翻轉。隨機的對圖片進行水平翻轉，這個參數適用于水平翻轉不影響圖片語義的時候。

vertical_flip：布爾值，進行隨機豎直翻轉。

rescale: 值將在執行其他處理前乘到整個圖像上，我們的圖像在RGB通道都是0~255的整數，這樣的操作可能使圖像的值過高或過低，所以我們將這個值定為0~1之間的數。

preprocessing_function: 將被應用于每個輸入的函數。該函數將在任何其他修改之前運行。該函數接受一個參數，為一張圖片（秩為3的numpy array），并且輸出一個具有相同shape的numpy array

data_format：字符串，“channel_first”或“channel_last”之一，代表圖像的通道維的位置。該參數是Keras 1.x中的image_dim_ordering，“channel_last”對應原本的“tf”，“channel_first”對應原本的“th”。以128x128的RGB圖像為例，“channel_first”應將數據組織為（3,128,128），而“channel_last”應將數據組織為（128,128,3）。該參數的默認值是~/.keras/keras.json中設置的值，若從未設置過，則為“channel_last”。

二、Data Aumentation（數據擴充）說明

Data Aumentation（數據擴充）指的是在使用以下或者其他方法增加數據輸入量。這里，我們特指圖像數據。

旋轉 | 反射變換(Rotation/reflection): 隨機旋轉圖像一定角度; 改變圖像內容的朝向;

翻轉變換(flip): 沿著水平或者垂直方向翻轉圖像;

縮放變換(zoom): 按照一定的比例放大或者縮小圖像;

平移變換(shift): 在圖像平面上對圖像以一定方式進行平移;可以采用隨機或人為定義的方式指定平移范圍和平移步長, 沿水平或豎直方向進行平移. 改變圖像內容的位置;

尺度變換(scale): 對圖像按照指定的尺度因子, 進行放大或縮小; 或者參照SIFT特征提取思想, 利用指定的尺度因子對圖像濾波構造尺度空間. 改變圖像內容的大小或模糊程度;

對比度變換(contrast): 在圖像的HSV顏色空間，改變飽和度S和V亮度分量，保持色調H不變. 對每個像素的S和V分量進行指數運算(指數因子在0.25到4之間), 增加光照變化;

噪聲擾動(noise): 對圖像的每個像素RGB進行隨機擾動, 常用的噪聲模式是椒鹽噪聲和高斯噪聲;

三、某些屬性測試

3.1 shear_range

datagen = image.ImageDataGenerator(shear_range=0.5)

shear_range就是錯切變換，效果就是讓所有點的x坐標(或者y坐標)保持不變，而對應的y坐標(或者x坐標)則按比例發生平移，且平移的大小和該點到x軸(或y軸)的垂直距離成正比。

如圖8所示，一個黑色矩形圖案變換為藍色平行四邊形圖案。狗狗圖片變換效果如圖9所示。

3.2 zoom_range

datagen = image.ImageDataGenerator(zoom_range=0.5)

zoom_range參數可以讓圖片在長或寬的方向進行放大，可以理解為某方向的resize，因此這個參數可以是一個數或者是一個list。當給出一個數時，圖片同時在長寬兩個方向進行同等程度的放縮操作；當給出一個list時，則代表[width_zoom_range, height_zoom_range]，即分別對長寬進行不同程度的放縮。而參數大于0小于1時，執行的是放大操作，當參數大于1時，執行的是縮小操作。

參數大于0小于1時，效果如圖10：

參數等于4時，效果如圖11：

3.3 . fill_mode

datagen = image.ImageDataGenerator(fill_mode='wrap', zoom_range=[4, 4])

fill_mode為填充模式，如前面提到，當對圖片進行平移、放縮、錯切等操作時，圖片中會出現一些缺失的地方，那這些缺失的地方該用什么方式補全呢？就由fill_mode中的參數確定，包括：“constant”、“nearest”（默認）、“reflect”和“wrap”。這四種填充方式的效果對比如圖18所示，從左到右，從上到下分別為：“reflect”、“wrap”、“nearest”、“constant”。

看完了這篇文章，相信你對Keras中ImageDataGenerator函數的參數有什么用有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！