ImageDataGenerator

Posted 2021-03-08 dean0731

一、ImageDataGenerator类的定义以及构造函数的参数详解

1.1 ImageDataGenerator类的简单介绍

class ImageDataGenerator(object):

"""Generate batches of tensor image data with real-time data augmentation.

 The data will be looped over (in batches).

这个类是做什么用的？通过实时数据增强生成张量图像数据批次，并且可以循环迭代，我们知道在Keras中，当数据量很多的时候我们需要使用model.fit_generator()方法，该方法接受的第一个参数就是一个生成器。简单来说就是：ImageDataGenerator()是keras.preprocessing.image模块中的图片生成器，可以每一次给模型“喂”一个batch_size大小的样本数据，同时也可以在每一个批次中对这batch_size个样本数据进行增强，扩充数据集大小，增强模型的泛化能力。比如进行旋转，变形，归一化等等。

总结起来就是两个点：

（1）图片生成器，负责生成一个批次一个批次的图片，以生成器的形式给模型训练；

（2）对每一个批次的训练图片，适时地进行数据增强处理（data augmentation）；

1.2 数据增强处理（data augmentation）

数据增强的手段有非常多种，这里指说一些代表性的。

旋转 | 反射变换(Rotation/reflection): 随机旋转图像一定角度; 改变图像内容的朝向;

翻转变换(flip): 沿着水平或者垂直方向翻转图像;

缩放变换(zoom): 按照一定的比例放大或者缩小图像;

平移变换(shift): 在图像平面上对图像以一定方式进行平移;可以采用随机或人为定义的方式指定平移范围和平移步长, 沿水平或竖直方向进行平移. 改变图像内容的位置;

尺度变换(scale): 对图像按照指定的尺度因子, 进行放大或缩小; 或者参照SIFT特征提取思想, 利用指定的尺度因子对图像滤波构造尺度空间. 改变图像内容的大小或模糊程度;

对比度变换(contrast): 在图像的HSV颜色空间，改变饱和度S和V亮度分量，保持色调H不变. 对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间), 增加光照变化;

噪声扰动(noise): 对图像的每个像素RGB进行随机扰动, 常用的噪声模式是椒盐噪声和高斯噪声;

错切变换（shear）：效果就是让所有点的x坐标(或者y坐标)保持不变，而对应的y坐标(或者x坐标)则按比例发生平移，且平移的大小和该点到x轴(或y轴)的垂直距离成正比。

1.3 ImageDataGenerator类的构造函数参数

featurewise_center: 布尔值。将输入数据的均值设置为 0，逐特征进行，对输入的图片每个通道减去每个通道对应均值。

samplewise_center: 布尔值。将每个样本的均值设置为 0，每张图片减去样本均值, 使得每个样本均值为0

featurewise_std_normalization: Boolean. 布尔值。将每个输入（即每张图片）除以数据集（dataset）标准差，逐特征进行。

samplewise_std_normalization: 布尔值。将每个输入（即每张图片）除以其自身（图片本身）的标准差。

这里需要注意两个概念，所谓 featurewise指的是逐特征，它针对的是数据集dataset，而samplewise针对的是单个输入图片的本身。featurewise是从整个数据集的分布去考虑的，而samplewise只是针对自身图片 。

zca_epsilon: ZCA 白化的 epsilon 值，默认为 1e-6。

zca_whitening: 布尔值。是否应用 ZCA 白化。

rotation_range: 整数。随机旋转的度数范围。

width_shift_range: 它的值可以是浮点数、一维数组、整数

float: 如果 <1，则是除以总宽度的值，或者如果 >=1，则为像素值。

1-D 数组: 数组中的随机元素。

int: 来自间隔 (-width_shift_range, +width_shift_range) 之间的整数个像素。

width_shift_range=2 时，可能值是整数 [-1, 0, +1]，与 width_shift_range=[-1, 0, +1] 相同；而 width_shift_range=1.0 时，可能值是 [-1.0, +1.0) 之间的浮点数。

height_shift_range: 浮点数、一维数组或整数（同width_shift_range）

float: 如果 <1，则是除以总宽度的值，或者如果 >=1，则为像素值。

1-D array-like: 数组中的随机元素。

int: 来自间隔 (-height_shift_range, +height_shift_range) 之间的整数个像素。

height_shift_range=2 时，可能值是整数 [-1, 0, +1]，与 height_shift_range=[-1, 0, +1]相同；而 height_shift_range=1.0 时，可能值是 [-1.0, +1.0) 之间的浮点数。

shear_range: 浮点数。剪切强度（以弧度逆时针方向剪切角度）。

    所谓shear_range就是错切变换，效果就是让所有点的x坐标(或者y坐标)保持不变，而对应的y坐标(或者x坐标)则按比例发生平移，且平移的大小和该点到x轴(或y轴)的垂直距离成正比。如下图所示，一个黑色矩形图案变换为蓝色平行四边形图案。上一篇文章中也展示了shear变换的效果。

brightness_range: 两个浮点数组成的元组或者是列表，像素的亮度会在这个范围之类随机确定

zoom_range: 浮点数 或 [lower, upper]。随机缩放范围。如果是浮点数，[lower, upper] = [1-zoom_range, 1+zoom_range]。zoom_range参数可以让图片在长或宽的方向进行放大，可以理解为某方向的resize，因此这个参数可以是一个数或者是一个list。当给出一个数时，图片同时在长宽两个方向进行同等程度的放缩操作；当给出一个list时，则代表[width_zoom_range, height_zoom_range]，即分别对长宽进行不同程度的放缩。而参数大于0小于1时，执行的是放大操作，当参数大于1时，执行的是缩小操作。

channel_shift_range: 浮点数。随机通道转换的范围。channel_shift_range可以理解成改变图片的颜色，通过对颜色通道的数值偏移，改变图片的整体的颜色，这意味着是“整张图”呈现某一种颜色，像是加了一块有色玻璃在图片前面一样，即每一个通道上的每一个像素值都加上某一个数值。

fill_mode: {"constant", "nearest", "reflect" or "wrap"} 之一。默认为 ‘nearest‘。输入边界以外的点根据给定的模式填充：

‘constant‘: kkkkkkkk|abcd|kkkkkkkk (当下面的cval=k)

‘nearest‘: aaaaaaaa|abcd|dddddddd

‘reflect‘: abcddcba|abcd|dcbaabcd

‘wrap‘: abcdabcd|abcd|abcdabcd

cval: 浮点数或整数。用于边界之外的点的值，当 fill_mode = "constant" 时。

horizontal_flip: 布尔值。随机水平翻转。

vertical_flip: 布尔值。随机垂直翻转。

    需要注意的是：既然是每次随机进行翻转，随机对图片执行水平或者是垂直翻转操作，意味着不一定对所有图片都会执行水平翻转或垂直翻转，每次生成均是随机选取图片进行翻转

rescale: 重缩放因子。默认为 None。如果是 None 或 0，不进行缩放，否则将数据乘以所提供的值（在应用任何其他转换之前）。

rescale的作用是对图片的每个像素值均乘上这个放缩因子，这个操作在所有其它变换操作之前执行，在一些模型当中，直接输入原图的像素值可能会落入激活函数的“死亡区”，因此设置放缩因子为1/255，把像素值放缩到0和1之间有利于模型的收敛，避免神经元“死亡”。

preprocessing_function: 这是用户自定义的函数，应用于每个输入的函数。这个函数会在任何其他改变之前运行。这个函数需要一个参数：一张图像（秩为 3 的 Numpy 张量），并且应该输出一个同尺寸的 Numpy 张量。

data_format: 图像数据格式，{"channels_first", "channels_last"} 之一。"channels_last" 模式表示图像输入尺寸应该为 (samples, height, width, channels)，"channels_first" 模式表示输入尺寸应该为 (samples, channels, height, width)。默认为 在 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值。如果你从未设置它，那它就是 "channels_last"。

validation_split: 浮点数。Float. 保留用于验证的图像的比例（严格在0和1之间）。

dtype: 生成数组使用的数据类型。

二、ImageDataGenerator类的一些方法以及处理流程

2.1 ImageDataGenerator的一些方法概览

def init(self,

def flow(self, x,

def flow_from_directory(self, directory,

def flow_from_dataframe(self, dataframe, directory,

def standardize(self, x):

def get_random_transform(self, img_shape, seed=None):

def apply_transform(self, x, transform_parameters):

def random_transform(self, x, seed=None):

def fit(self, x,

2.2 一般的对图像的处理流程（四步走）

（1）第一步：数据集的划分，得到x_train,y_train,x_test,y_test；

（2）第二步：构造ImageDataGenerator对象，其中要进行某一些操作是通过在构造函数中的参数指定的，

                      datagen = ImageDataGenerator(......)

（3）第三步：对样本数据进行data augmentation处理，通过fit方法

注意：这一步并不是必须的，当ImageDataGenerator构造函数中需要使用

featurewise_center:

samplewise_center:

featurewise_std_normalization:

samplewise_std_normalization:

这几个参数时才需要使用fit方法，因为需要从fit方法中得到原始图形的统计信息，比如均值、方差等等，否则是不需要改步骤的。

datagen.fit(x_train) # 使用实时数据增益的批数据对模型进行拟合

（4）第四步：进行训练，通过flow方法

model.fit_generator(datagen.flow(x_train, y_train, batch_size=32), steps_per_epoch=len(x_train) / 32, epochs=epochs)
上面是一般的处理流程，当然有时候会有更加灵活的处理方式，后面会有例子加以说明

2.3 ImageDataGenerator的所有方法介绍

（1）fit方法

fit(x, augment=False, rounds=1, seed=None)

将数据生成器用于某些样本数据数据。它基于一组样本数据，计算与数据转换相关的内部数据统计。当且仅当 featurewise_center 或 featurewise_std_normalization 或 zca_whitening 设置为 True 时才需要。

参数

x: 样本数据。秩应该为 4，即（batch，width，height，channel）的格式。对于灰度数据，通道轴的值应该为 1；对于 RGB 数据，值应该为 3。

augment: 布尔值（默认为 False）。是否使用随机样本扩张。

rounds: 整数（默认为 1）。如果数据数据增强（augment=True），表明在数据上进行多少次增强。

seed: 整数（默认 None）。随机种子。

（2）flow方法

flow(x, y=None, batch_size=32, shuffle=True, sample_weight=None, seed=None, save_to_dir=None, save_prefix=‘‘, save_format=‘png‘, subset=None)

采集数据和标签数组，生成批量增强数据。

参数

x: 输入数据。秩为 4 的 Numpy 矩阵或元组。如果是元组，第一个元素应该包含图像，第二个元素是另一个 Numpy 数组或一列 Numpy 数组，它们不经过任何修改就传递给输出。可用于将模型杂项数据与图像一起输入。对于灰度数据，图像数组的通道轴的值应该为 1，而对于 RGB 数据，其值应该为 3。

y: 标签。

batch_size: 整数 (默认为 32)。

shuffle: 布尔值 (默认为 True)。

sample_weight: 样本权重。

seed: 整数（默认为 None）。

save_to_dir: None 或 字符串（默认为 None）。这使您可以选择指定要保存的正在生成的增强图片的目录（用于可视化您正在执行的操作）。

save_prefix: 字符串（默认 ‘‘）。保存图片的文件名前缀（仅当 save_to_dir 设置时可用）。

save_format: "png", "jpeg" 之一（仅当 save_to_dir 设置时可用）。默认："png"。

subset: 数据子集 ("training" 或 "validation")，如果 在 ImageDataGenerator 中设置了 validation_split。

返回

一个生成元组 (x, y) 的 生成器Iterator，其中 x 是图像数据的 Numpy 数组（在单张图像输入时），或 Numpy 数组列表（在额外多个输入时），y 是对应的标签的 Numpy 数组。如果 ‘sample_weight‘ 不是 None，生成的元组形式为 (x, y, sample_weight)。如果 y 是 None, 只有 Numpy 数组 x 被返回。

（3）flow_from_dataframe方法

flow_from_dataframe(dataframe, directory, x_col=‘filename‘, y_col=‘class‘, has_ext=True, target_size=(256, 256), color_mode=‘rgb‘, classes=None, class_mode=‘categorical‘, batch_size=32, shuffle=True, seed=None, save_to_dir=None, save_prefix=‘‘, save_format=‘png‘, subset=None, interpolation=‘nearest‘)

输入 dataframe 和目录的路径，并生成批量的增强/标准化的数据。

参数

dataframe: Pandas dataframe，一列为图像的文件名，另一列为图像的类别， 或者是可以作为原始目标数据多个列。

directory: 字符串，目标目录的路径，其中包含在 dataframe 中映射的所有图像。

x_col: 字符串，dataframe 中包含目标图像文件夹的目录的列。

y_col: 字符串或字符串列表，dataframe 中将作为目标数据的列。

has_ext: 布尔值，如果 dataframe[x_col] 中的文件名具有扩展名则为 True，否则为 False。

target_size: 整数元组 (height, width)，默认为 (256, 256)。 所有找到的图都会调整到这个维度。

color_mode: "grayscale", "rbg" 之一。默认："rgb"。 图像是否转换为 1 个或 3 个颜色通道。

classes: 可选的类别列表 (例如， [‘dogs‘, ‘cats‘])。默认：None。 如未提供，类比列表将自动从 y_col 中推理出来，y_col 将会被映射为类别索引）。 包含从类名到类索引的映射的字典可以通过属性 class_indices 获得。

class_mode: "categorical", "binary", "sparse", "input", "other" or None 之一。 默认："categorical"。决定返回标签数组的类型：

"categorical" 将是 2D one-hot 编码标签，

"binary" 将是 1D 二进制标签，

"sparse" 将是 1D 整数标签，

"input" 将是与输入图像相同的图像（主要用于与自动编码器一起使用），

"other" 将是 y_col 数据的 numpy 数组，

None, 不返回任何标签（生成器只会产生批量的图像数据，这对使用 model.predict_generator(), model.evaluate_generator() 等很有用）。

batch_size: 批量数据的尺寸（默认：32）。

shuffle: 是否混洗数据（默认：True）

seed: 可选的混洗和转换的随即种子。

save_to_dir: None 或 str (默认: None). 这允许你可选地指定要保存正在生成的增强图片的目录（用于可视化您正在执行的操作）。

save_prefix: 字符串。保存图片的文件名前缀（仅当 save_to_dir 设置时可用）。

save_format: "png", "jpeg" 之一（仅当 save_to_dir 设置时可用）。默认："png"。

follow_links: 是否跟随类子目录中的符号链接（默认：False）。

subset: 数据子集 ("training" 或 "validation")，如果在 ImageDataGenerator 中设置了 validation_split。

interpolation: 在目标大小与加载图像的大小不同时，用于重新采样图像的插值方法。 支持的方法有 "nearest", "bilinear", and "bicubic"。 如果安装了 1.1.3 以上版本的 PIL 的话，同样支持 "lanczos"。 如果安装了 3.4.0 以上版本的 PIL 的话，同样支持 "box" 和 "hamming"。 默认情况下，使用 "nearest"。

Returns

一个生成 (x, y) 元组的 DataFrameIterator， 其中 x 是一个包含一批尺寸为 (batch_size, *target_size, channels) 的图像样本的 numpy 数组，y 是对应的标签的 numpy 数组。

（4）flow_from_directory

flow_from_directory(directory, target_size=(256, 256), color_mode=‘rgb‘, classes=None, class_mode=‘categorical‘, batch_size=32, shuffle=True, seed=None, save_to_dir=None, save_prefix=‘‘, save_format=‘png‘, follow_links=False, subset=None, interpolation=‘nearest‘)

参数

directory: 目标目录的路径。每个类应该包含一个子目录。任何在子目录树下的 PNG, JPG, BMP, PPM 或 TIF 图像，都将被包含在生成器中。

target_size: 整数元组 (height, width)，默认：(256, 256)。所有的图像将被调整到的尺寸。

color_mode: "grayscale", "rbg" 之一。默认："rgb"。图像是否被转换成 1 或 3 个颜色通道。

classes: 可选的类的子目录列表（例如 [‘dogs‘, ‘cats‘]）。默认：None。如果未提供，类的列表将自动从 directory 下的 子目录名称/结构 中推断出来，其中每个子目录都将被作为不同的类（类名将按字典序映射到标签的索引）。包含从类名到类索引的映射的字典可以通过 class_indices 属性获得。

class_mode: "categorical", "binary", "sparse", "input" 或 None 之一。默认："categorical"。决定返回的标签数组的类型：

"categorical" 将是 2D one-hot 编码标签，

"binary" 将是 1D 二进制标签，"sparse" 将是 1D 整数标签，

"input" 将是与输入图像相同的图像（主要用于自动编码器）。

如果为 None，不返回标签（生成器将只产生批量的图像数据，对于 model.predict_generator(), model.evaluate_generator() 等很有用）。请注意，如果 class_mode 为 None，那么数据仍然需要驻留在 directory 的子目录中才能正常工作。

batch_size: 一批数据的大小（默认 32）。

shuffle: 是否混洗数据（默认 True）。

seed: 可选随机种子，用于混洗和转换。

save_to_dir: None 或 字符串（默认 None）。这使你可以最佳地指定正在生成的增强图片要保存的目录（用于可视化你在做什么）。

save_prefix: 字符串。 保存图片的文件名前缀（仅当 save_to_dir 设置时可用）。

save_format: "png", "jpeg" 之一（仅当 save_to_dir 设置时可用）。默认："png"。

follow_links: 是否跟踪类子目录中的符号链接（默认为 False）。

subset: 数据子集 ("training" 或 "validation")，如果 在 ImageDataGenerator 中设置了 validation_split。

interpolation: 在目标大小与加载图像的大小不同时，用于重新采样图像的插值方法。 支持的方法有 "nearest", "bilinear", and "bicubic"。 如果安装了 1.1.3 以上版本的 PIL 的话，同样支持 "lanczos"。 如果安装了 3.4.0 以上版本的 PIL 的话，同样支持 "box" 和 "hamming"。 默认情况下，使用 "nearest"。

返回

一个生成 (x, y) 元组的 DirectoryIterator，其中 x 是一个包含一批尺寸为 (batch_size, *target_size, channels)的图像的 Numpy 数组，y 是对应标签的 Numpy 数组。

（5）get_random_transform

get_random_transform(img_shape, seed=None)

为转换生成随机参数。什么意思呢？因为变换的种类很多，实际上就是堆一批图片到底进行了那些变换操作呢？可以通过这个方法获得。

参数

seed: 随机种子

img_shape: 整数元组。被转换的图像的尺寸。

返回

包含随机选择的描述变换的参数的字典。返回的字典如下面的形式：哪些变换使用了，就在字典中添加即可。

transform_parameters = {‘theta‘: theta,

                            'tx': tx,

                            'ty': ty,

                            'shear': shear,

                            'zx': zx,

                            'zy': zy,

                            'flip_horizontal': flip_horizontal,

                            'flip_vertical': flip_vertical,

                            'channel_shift_intensity': channel_shift_intensity,

                            'brightness': brightness}

return transform_parameters

（6）random_transform

random_transform(x, seed=None)

将随机变换应用于图像。由于变换的种类很多，这里是随机使用某一种变换在图像上面

参数

x: 3D 张量，单张图像。（注意，这里是单张图片哦！）

seed: 随机种子。

返回

输入的随机转换之后的版本（相同形状）。

（7）standardize方法

standardize(x)

将标准化配置应用于一批输入。

参数

x: 需要标准化的一批输入。

返回

标准化后的输入。

（8）apply_transform()方法

apply_transform(x, transform_parameters)

参数：

x: 3D tensor, single image.这里也是针对单张图片的

transform_parameters:它是一个字典形式的参数，表示要使用哪些变换，字典的键如下所示：

            - `'theta'`: Float. Rotation angle in degrees.

            - `'tx'`: Float. Shift in the x direction.

            - `'ty'`: Float. Shift in the y direction.

            - `'shear'`: Float. Shear angle in degrees.

            - `'zx'`: Float. Zoom in the x direction.

            - `'zy'`: Float. Zoom in the y direction.

            - `'flip_horizontal'`: Boolean. Horizontal flip.

            - `'flip_vertical'`: Boolean. Vertical flip.

            - `'channel_shift_intencity'`: Float. Channel shift intensity.

            - `'brightness'`: Float. Brightness shift intensity.