0
| 本文作者： 汪思颖 | 2017-11-19 16:35 |
雷锋网 AI科技评论按，本文作者Professor ho，该文首发于知乎专栏Keras花式工具箱，雷锋网 AI科技评论获其授权转载。
图像深度学习任务中，面对小数据集，我们往往需要利用Image Data Augmentation图像增广技术来扩充我们的数据集，而keras的内置ImageDataGenerator很好地帮我们实现图像增广。但是面对ImageDataGenerator中众多的参数，每个参数所得到的效果分别是怎样的呢？本文针对Keras中ImageDataGenerator的各项参数数值的效果进行了详细解释，为各位深度学习研究者们提供一个参考。
我们先来看看ImageDataGenerator的官方说明（https://keras.io/preprocessing/image/）:
keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
samplewise_center=False,
featurewise_std_normalization=False,
samplewise_std_normalization=False,
zca_whitening=False,
zca_epsilon=1e-6,
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.,
horizontal_flip=False,
vertical_flip=False,
rescale=None,
preprocessing_function=None,
data_format=K.image_data_format())
官方提供的参数解释因为太长就不贴出来了，大家可以直接点开上面的链接看英文原介绍，我们现在就从每一个参数开始看看它会带来何种效果。
我们测试选用的是kaggle dogs vs cats redux 猫狗大战的数据集，随机选取了9张狗狗的照片，这9张均被resize成224×224的尺寸，如图1：
图1
datagen = image.ImageDataGenerator(featurewise_center=True,
featurewise_std_normalization=True)
featurewise_center的官方解释："Set input mean to 0 over the dataset, feature-wise." 大意为使数据集去中心化（使得其均值为0），而samplewise_std_normalization的官方解释是“ Divide inputs by std of the dataset, feature-wise.”，大意为将输入的每个样本除以其自身的标准差。这两个参数都是从数据集整体上对每张图片进行标准化处理，我们看看效果如何：
图2
与图1原图相比，经过处理后的图片在视觉上稍微“变暗”了一点。
datagen = image.ImageDataGenerator(samplewise_center=True,
samplewise_std_normalization=True)
samplewise_center的官方解释为：“ Set each sample mean to 0.”，使输入数据的每个样本均值为0；samplewise_std_normalization的官方解释为：“Divide each input by its std.”，将输入的每个样本除以其自身的标准差。这个月featurewise的处理不同，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，效果如图3：
图3
看来针对自身数据分布的处理在猫狗大战数据集上没有什么意义，或许在mnist这类灰度图上有用？读者可以试试。
datagen = image.ImageDataGenerator(zca_whitening=True)
zca白化的作用是针对图片进行PCA降维操作，减少图片的冗余信息，保留最重要的特征，细节可参看：Whitening transformation--维基百科，Whitening--斯坦福。
很抱歉的是，本人使用keras的官方演示代码，并没有复现出zca_whitening的效果，当我的图片resize成224×224时，代码报内存错误，应该是在计算SVD的过程中数值太大。后来resize成28×28，就没有内存错误了，但是代码运行了一晚上都不结束，因此使用猫狗大战图片无法复现效果，这里转发另外一个博客使用mnist复现出的结果，如下图4。针对mnist的其它DataAugmentation结果可以看这个博客：Image Augmentation for Deep Learning With Keras，有修改意见的朋友欢迎留言。
图4
datagen = image.ImageDataGenerator(rotation_range=30)
rotation range的作用是用户指定旋转角度范围，其参数只需指定一个整数即可，但并不是固定以这个角度进行旋转，而是在 [0, 指定角度] 范围内进行随机角度旋转。效果如图5：
图5
datagen = image.ImageDataGenerator(width_shift_range=0.5,height_shift_range=0.5)
width_shift_range & height_shift_range 分别是水平位置评议和上下位置平移，其参数可以是[0, 1]的浮点数，也可以大于1，其最大平移距离为图片长或宽的尺寸乘以参数，同样平移距离并不固定为最大平移距离，平移距离在 [0, 最大平移距离] 区间内。效果如图6：
图6
平移图片的时候一般会出现超出原图范围的区域，这部分区域会根据fill_mode的参数来补全，具体参数看下文。当参数设置过大时，会出现图7的情况，因此尽量不要设置太大的数值。
图7
datagen = image.ImageDataGenerator(shear_range=0.5)
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。
如图8所示，一个黑色矩形图案变换为蓝色平行四边形图案。狗狗图片变换效果如图9所示。
图8
图9
datagen = image.ImageDataGenerator(zoom_range=0.5)
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。
参数大于0小于1时，效果如图10：
图10
参数等于4时，效果如图11：
图11
datagen = image.ImageDataGenerator(channel_shift_range=10)
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，因此它并不能单独改变图片某一元素的颜色，如黑色小狗不能变成白色小狗。当数值为10时，效果如图12；当数值为100时，效果如图13，可见当数值越大时，颜色变深的效果越强。
图12
图13
datagen = image.ImageDataGenerator(horizontal_flip=True)
horizontal_flip的作用是随机对图片执行水平翻转操作，意味着不一定对所有图片都会执行水平翻转，每次生成均是随机选取图片进行翻转。效果如图14。
图14
datagen = image.ImageDataGenerator(vertical_flip=True
vertical_flip是作用是对图片执行上下翻转操作，和horizontal_flip一样，每次生成均是随机选取图片进行翻转，效果如图15。
图15
当然了，在猫狗大战数据集当中不适合使用vertical_flip，因为一般没有倒过来的动物。
datagen = image.ImageDataGenerator(rescale= 1/255, width_shift_range=0.1)
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”。
图片经过rescale之后，保存到本地的图片用肉眼看是没有任何区别的，如果我们在内存中直接打印图片的数值，可以看到以下结果：
图16
可以从图16看到，图片像素值都被缩小到0和1之间，但如果打开保存在本地的图片，其数值依然不变，如图17。
图17
应该是在保存到本地的时候，keras把图像像素值恢复为原来的尺度了，在内存中查看则不会。
datagen = image.ImageDataGenerator(fill_mode='wrap', zoom_range=[4, 4])
fill_mode为填充模式，如前面提到，当对图片进行平移、放缩、错切等操作时，图片中会出现一些缺失的地方，那这些缺失的地方该用什么方式补全呢？就由fill_mode中的参数确定，包括：“constant”、“nearest”（默认）、“reflect”和“wrap”。这四种填充方式的效果对比如图18所示，从左到右，从上到下分别为：“reflect”、“wrap”、“nearest”、“constant”。
图18
当设置为“constant”时，还有一个可选参数，cval，代表使用某个固定数值的颜色来进行填充。图19为cval=100时的效果，可以与图18右下角的无cval参数的图对比。
图19
这里给出一段小小的代码，作为进行这些参数调试时的代码，你也可以使用jupyter notebook来试验这些参数，把图片结果打印到你的网页上。
%matplotlib inline
import matplotlib.pyplot as plt
from PIL import Image
from keras.preprocessing import image
import glob
# 设置生成器参数
datagen = image.ImageDataGenerator(fill_mode='wrap', zoom_range=[4, 4])
gen_data = datagen.flow_from_directory(PATH,
batch_size=1,
shuffle=False,
save_to_dir=SAVE_PATH,
save_prefix='gen',
target_size=(224, 224))
# 生成9张图
for i in range(9):
gen_data.next()
# 找到本地生成图，把9张图打印到同一张figure上
name_list = glob.glob(gen_path+'16/*')
fig = plt.figure()
for i in range(9):
img = Image.open(name_list[i])
sub_img = fig.add_subplot(331 + i)
sub_img.imshow(img)
plt.show()
面对小数据集时，使用DataAugmentation扩充你的数据集就变得非常重要，但在使用DataAugmentation之前，先要了解你的数据集需不需要这类图片，如猫狗大战数据集不需要上下翻转的图片，以及思考一下变换的程度是不是合理的，例如把目标水平偏移到图像外面就是不合理的。多试几次效果，再最终确定使用哪些参数。上面所有内容已经公布在我的github（https://github.com/JustinhoCHN/keras-image-data-augmentation）上面，附上了实验时的jupyter notebook文件，大家可以玩一玩，have fun！
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
